چگونه هوش مصنوعی آینده هواشناسی را متحول خواهد کرد؟
اسمارت کاور: هواشناسی و پیش بینی وضعیت آب و هوا بطور سنتی مبتنی بر بهترین حدس و پیش بینی برای گمانه زنی درباره ی وضعیت هوا در آینده نزدیک است، اما هوش مصنوعی می تواند همه چیز را دراین زمینه تغییر دهد.
به گزارش اسمارت کاور به نقل از ایسنا، پیش بینی آب و هوا طی ۲۰ سال قبل راه زیادی را پیموده است و هنوز هم مسیری طولانی پیش رو دارد. اما آیا استفاده از هوش مصنوعی می تواند به بهبود توانایی هواشناسی برای پیش بینی الگوهای آب و هوایی کمک کند؟ چقدر دقیق می توان آب و هوا را پیش بینی نمود تا شاهد خسارت های جبران ناپذیر نباشیم؟
روند پیش بینی الگوهای آب و هوا یک علم بسیار پیچیده است و نیاز به تحلیل و بررسی و رمزگشایی از مجموعه داده های عظیم جمع آوری شده روزانه از هزاران سنسور و ماهواره های هواشناسی دارد.
شناسایی الگوها در داده های جمع آوری شده برای پیش بینی هوا یک کار بسیار پر اهمیت است و برای حصول بهترین نتایج این کار باید در زمان واقعی صورت گیرد.
اما مانند هرگونه پیش بینی دیگر، پیش بینی آب و هوا یک حدس مبتنی بر آموزش و علم است. از آنجا که ما نمی توانیم آب و هوا را کنترل نماییم، بهترین هواشناسان می توانند با استفاده از داده ها و الگوهای گذشته و حال به پیش بینی آب و هوای آینده بپردازند. این کار خصوصاً برای هشدار در مورد رویدادهای فاجعه آمیز نظیر جاری شدن سیل مهمست.
دقت پیش بینی آب و هوا در طول سالیان اخیر بالا رفته است، اما هنوز ۱۰۰ درصد دقیق نیست. طبق برخی برآوردها، یک پیش بینی آب و هوایی هفت روزه حدود ۸۰ درصد قابل اعتماد است.
زمان بندی های کوتاه مدت تر دقت بیشتری دارند. به عنوان مثال یک پیش بینی آب و هوایی پنج روزه حدود ۹۰ درصد صحیح است و هر پیش بینی بیش از هفت روزه به ویژه پیش بینی های 10 روزه یا بیش از آن تنها ۵۰ درصد دقیق هستند.
با عنایت به این که جو بطور مداوم درحال تغییر است، برآوردهای طولانی مدت برای مدل سازی و پیش بینی بسیار دشوار است. هواشناسان این کار را با استفاده از برنامه های کامپیوتری موسوم به مدلهای هواشناسی برای رسیدن به این پیش بینی ها انجام می دهند.هواشناسان از انواع حسگرها، ماهواره ها و مدلهای کامپیوتری برای پیش بینی الگوهای آب و هوایی آینده استفاده می نمایند.
بیشتر مردم با ابزارهای اصلی مانند دماسنج، فشارسنج و بادسنج برای ثبت دما، فشار هوا و سرعت باد آشنا هستند. اما هواشناسان از ابزار و تجهیزات پیچیده تری مانند بالن های رصد آب و هوا نیز استفاده می نمایند. این بالن ها بادکنک های مخصوصی هستند که بر روی آنها سنسورهای آب و هوا برای اندازه گیری درجه حرارت، فشار هوا، سرعت و جهت باد در تمام لایه های تروپسفر تعبیه شده است.
سیستم های راداری نیز توسط هواشناسان برای اندازه گیری بارش در سراسر جهان به کار گرفته می شوند. اما یکی از قدرتمندترین ابزارهای هواشناسان ماهواره های زیست محیطی است. سازمان ملی اقیانوسی و جوی آمریکا(NOAA) دارای سه ماهواره هواشناسی است که آب و هوای سراسر زمین را تحت نظر دارند.
یکی از این ماهواره ها ماهواره گردش قطبی است که در ارتفاع تقریبی ۸۰۵ کیلومتری زمین مستقر است.
این ماهواره ها بطور مداوم زمین را ۱۴ بار در روز قطب به قطب دور می زنند تا بدین ترتیب هر قسمت از سیاره زمین دو بار در روز بطور کامل تحت نظر قرار بگیرد.
این کار ماهواره ها را قادر می سازد مجموعه داده های عظیمی را در مورد جو زمین بصورت کامل همچون ابرها و اقیانوس ها با وضوح بسیار بالا فراهم آورند. هواشناسان با استفاده از این نوع داده ها بطور نظری قادر به پیش بینی الگوهای آب و هوایی بلندمدت هستند.
این داده ها برای ارزیابی کیفیت هوا در طول زمان بسیار مفید هستند. این اطلاعات در مدلهای هواشناسی گنجانده می شود که به نوبه خود منجر به پیش بینی های دقیق تری از آب و هوا می شود.
ابزارهای دیگر همین طور می توانند برای تعیین دمای سطح دریا مورد استفاده قرار گیرند که یک عامل مهم دیگر در پیش بینی آب و هوا در دراز مدت است. سپس این داده ها می توانند برای پیش بینی آب و هوا همچون تغییرات فصلی در مقیاس بزرگ استفاده شوند. آنها همین طور اطلاعاتی را برای مساعدت با پیش بینی شرایط آب و هوایی خطرناک مانند طوفان، گردباد، سیل و کولاک شدید قبل از وقوع جمع آوری می کنند.
این داده ها همین طور برای مساعدت با ارزیابی خطرات محیطی مانند خشکسالی، حریق جنگلها و سیل مورد استفاده قرار می گیرند. نوع دیگری از ماهواره ها که توسط هواشناسان استفاده می شود، ماهواره های فضای عمیق نامیده می شود. به عنوان مثال ماهواره «DSCOVR» در مدار یک میلیون مایلی(یک میلیون و ۶۰۹ هزار کیلومتری) زمین قرار دارد.
این نوع از ماهواره ها هشدارها و پیش بینی ها در مورد خطرات فضایی را فراهم می کنند و بر انرژی خورشیدی که هر روز جذب زمین می شود، نظارت می کنند. «DSCOVR» همین طور قادر به ثبت اطلاعات در مورد سطح اُزن و سطح هواژل موجود در جو است.
اما هوش مصنوعی چگونه به کمک پیش بینی آب و هوا می آید؟
مجموعه داده های عظیم جمع آوری شده از وضعیت جوی زمین پیش بینی رویدادهای آینده را بسیار دشوار می کند.
مدلهای کامپیوتری فعلی تنها برای نظارت و هشدار در مورد پدیده های بزرگ در نظر گرفته شده اند و شامل مواردی نظیر چگونگی گرم شدن جو زمین توسط خورشید، چگونگی تأثیر تغییر اختلاف فشار روی الگوهای باد و چگونگی تغییر حالت آب(یخ به آب و سپس به بخار) بر جریان انرژی جو زمین است.
آنها همین طور چرخش زمین در فضا را در نظر می گیرند چونکه هر تغییر کوچکی در یک متغیر می تواند رویدادهای آینده را تغییر دهد.
این واقعیت الهام بخش «ادوارد لورنز» یک هواشناس از مؤسسه فناوری ماساچوست(MIT) شد تا اصطلاح معروف خود موسوم به «اثر پروانه ای»(Effect Butterfly) را در دهه ۱۹۶۰ میلادی مطرح کند. این نظریه می گوید که چگونه بال زدن یک پروانه در آسیا می تواند بر تغییر آب و هوا در شهر نیویورک آمریکا اثرگذار باشد.
امروزه لورنز به عنوان پدر نظریه آشوب شناخته می شود. وی معتقد می باشد حداکثر حد پیش بینی دقیق آب و هوا حدود دو هفته است.
نظریه آشوب یانظریه بی نظمی ها شاخه ای از ریاضیات است که به مطالعه سیستم های دینامیکی آشفته می پردازد. سیستم های آشفته سیستم های دینامیکی غیر خطی هستند که نسبت به شرایط اولیه خود بسیار حساس بوده اند. تغییری اندک در وضعیت اولیه چنین سیستم هایی موجب دگرگونی های بسیار در مرحله بعدی خواهد شد.
این پدیده در نظریه آشوب به اثر پروانه ای معروف است که در آن به عنوان مثال بال زدن یک پروانه در برزیل می تواند(تحت شرایطی) موجب گردباد در تگزاس شود. بدین سبب ارائه پیش بینی طولانی مدت رفتار آنها نا ممکن است.این پدیده در نظریه آشوب به اثر پروانه ای معروف است که در آن به عنوان مثال بال زدن یک پروانه در برزیل می تواند(تحت شرایطی) موجب گردباد در تگزاس شود.
رفتار سیستم های آشفته به ظاهر تصادفی می نماید. با اینحال هیچ ضرورتی به وجود عنصر تصادف در ایجاد رفتار آشوبی نیست و سیستم های دینامیکی معینی(deterministic) نیز می توانند رفتاری آشفته از خود نشان دهند.
می توان نشان داد که شرط لازم رفتار آشوب گونه در سیستم های دینامیکیِ زمان پیوسته مستقل از زمان و داشتن حداقل سه متغیر حالت است. دینامیک لورنز نمونه ای از چنین سیستمی است.
اینجا همان جایی است که هوش مصنوعی می تواند برای بهبود دقت و قابل اطمینان بودن پیش بینی آب و هوا به کار گرفته شود. هوش مصنوعی می تواند جهت استفاده در برنامه های ریاضی کامپیوتری و روش های حل مسائل محاسباتی در مجموعه داده های وسیع برای شناسایی الگوها و ایجاد یک فرضیه مناسب و تعمیم داده ها مورد استفاده قرار گیرد.
باتوجه به پیچیدگی ذاتی پیش بینی آب و هوا، دانشمندان هم اکنون از هوش مصنوعی برای پیش بینی آب و هوا استفاده می نمایند تا سریعاً نتایج خالص و دقیق به دست آید.
هوش مصنوعی با استفاده از مدلهای ریاضی یادگیری عمیق می تواند از پرونده های آب و هوایی گذشته برای پیش بینی آینده یاد بگیرد.
یک مثال برای این نوع پیش بینی آب و هوا، پیش بینی عددی(NWP) است. این مدل مبتنی بر مطالعات و تحلیل و بررسی مجموعه داده های گسترده ماهواره ها و دیگر حسگرها برای ارائه پیش بینی های آب و هوایی کوتاه مدت و پیش بینی های طولانی مدت است.
شرکت های مختلف هم اکنون به شدت درحال سرمایه گذاری روی هوش مصنوعی در پیش بینی آب و هوا هستند. برای مثال شرکت IBM بتازگی یک شرکت هواشناسی را خریداری نموده و داده ها و هوش مصنوعی خودرا با اطلاعات این شرکت ترکیب کرده است.
این کار منجر به توسعه برنامه «دیپ تاندر»(Deep Thunder) شد که پیش بینی های آب و هوایی فوق العاده ای را با دقت ۰.۲ تا ۱.۲ مایل ارائه می دهد.
یک شرکت هواشناسی دیگر موسوم به «مونسانتو»(Monsanto) نیز برای پیش بینی آب و هوا در هوش مصنوعی سرمایه گزاری نموده است. این شرکت وظیفه پیش بینی آب و هوا برای صنعت کشاورزی را در دستور کار خود دارد.
محققان دانشکده مهندسی «کلمبیا» نیز بتازگی دریافتند که با استفاده از تکنیک «یادگیری ماشین» در «هوش مصنوعی» می توان وضعیت آب و هوا را پیش بینی نمود.
پژوهشگران تا حالا در مورد پیش بینی صحیح وضعیت آب وهوایی بحث های زیادی کرده اند. پیش بینی های صحیح آب و هوایی در پاسخ به افزایش «گازهای گلخانه ای» امری ضرورت دارد. در این راستا، پژوهشگران دانشکده مهندسی «کلمبیا»، از تکنیک «یادگیری ماشین» برای نشان دادن ابرها با وضوح بالاتر استفاده کردند.
«پیر جنتین»، رهبر این پژوهش و عضو موسسه «زمین» و «داده های علمی» اظهار داشت: بررسی این ابرها می تواند تغییری اساسی در پیش بینی وضعیت آب و هوا بوجود آورد.
وی ادامه داد: تا حالا پیش بینی های نامشخصی برای آب و هوا و در پاسخ به افزایش گازهای گلخانه ای وجود داشته است.
وی افزود: دلیل اصلی در تغییرات گازهای گلخانه ای پاسخ «ابرها» در مقابل این تغییرات است.
این تحقیقات نشان می دهد که تکنیک «یادگیری ماشین»(machine-learning) که از شاخه های پرکاربرد «هوش مصنوعی» است، به دانشمندان کمک می نماید که «ابرها» را بهتر بررسی نموده و بدین سبب وضعیت آب و هوایی را بهتر پیش بینی کنند.
«جنتین» اظهار داشت: با استفاده از این یافته جدید ما، مدلهای جدید آب و هوایی در آینده فراهم خواهد آمد.
پژوهشگران این پروسه هوش مصنوعی جدید را(Cloud Brain»(CBRAIN» نام نهاده اند.
این پروسه خیلی از خاصیت های ابرها از قبیل «دما»، «رطوبت» و «ویژگی های تابشی» را پیش بینی می کند که برای شبیه سازی مدلهای آب و هوایی ضروری هستند.
پیش بینی هوش مصنوعی درباره ی گرمایش جهانی در ۱۰ سال آینده
الگوریتم های پیچیده هوش مصنوعی پیش بینی کرده اند که در اوایل دهه ۲۰۳۰، جهان ۱.۵ درجه سانتی گراد گرم تر از پیش از انقلاب صنعتی خواهد بود و زنگ هشدار دیگری برای تغییر آب و هوا به صدا درآورده است.الگوریتم های پیچیده هوش مصنوعی پیش بینی کرده اند که در اوایل دهه ۲۰۳۰، جهان ۱.۵ درجه سانتی گراد گرم تر از پیش از انقلاب صنعتی خواهد بود
هوش مصنوعی پیش بینی می کند که آیا ظرف ۱۰ سال آینده به اهداف آب و هوایی که تعیین کرده ایم، می رسیم؟ هوش مصنوعی می گوید: مهم نیست که گازهای گلخانه ای در دهه آینده افزایش یا کم شود، افزایش ۱.۵ درجه سانتیگرادی دمای جهان هم اکنون قابل اجتناب نیست.
بد نیست به خاطر بیاوریم که محدود کردن افزایش دما به ۱.۵ درجه سانتیگراد هدف بلندپروازانه توافقنامه پاریس در سال ۲۰۱۵ بود.
بگفته نویسندگان این مطالعه جدید، اقدامات شدیدی که در ابتدا برای کاهش انتشار گازهای گلخانه ای و ماندن در محدوده افزایش دمای کمتر از ۱.۵ درجه سانتی گراد پیشنهاد شده بود، حالا به احتمال زیاد برای جلوگیری از افزایش دو درجه سانتی گرادی مورد نیاز است. افزایش دمای دو درجه سانتیگرادی زمانی است که عواقب گرمایش جهانی بطور قابل توجهی جهت زندگی در این سیاره بدتر می شود.
اما ما هم اکنون شاهد تأثیرات گوناگون آب و هوایی به شکل موج گرما، حریق جنگلها، سیل و طوفان با تنها افزایش ۱.۱ درجه سانتی گرادی گرمایش جهانی هستیم. بنابراین، محدود کردن این افزایش دما تا حد امکان لازمست، برای اینکه هر مقدار کاهش، مهمست.
این مدل هوش مصنوعی نشان میدهد که حتی اگر انتشار گازهای گلخانه ای به سرعت کم شود و تا سال ۲۰۷۶ به صفر خالص برسد، احتمال ۵۰ درصدی گرم شدن ۲ درجه سانتی گرادی تا سال ۲۰۵۴ و احتمال حدود ۳۰ درصدی افزایش ۲ درجه سانتی گرادی بین سالهای ۲۰۴۴ تا ۲۰۶۵ وجود دارد.
«نوآ دیفن باگ» دانشمند هواشناس از دانشگاه استنفورد در کالیفرنیا می گوید: با استفاده از یک رویکرد کاملاً جدید که بر وضعیت فعلی سیستم آب و هوایی برای پیش بینی آینده متکی است، تأیید می نماییم که جهان در آستانه عبور از آستانه ۱.۵ درجه سانتیگرادی است. مدل هوش مصنوعی ما کاملاً متقاعد شده است که هم اکنون گرمایش به اندازه کافی انجام شده است، تا حدی که اگر رسیدن به انتشار گازهای گلخانه ای به صفر خالص نیم قرن دیگر بطول بیانجامد، احیانا از افزایش دو درجه سانتیگرادی فراتر می رویم.
پژوهشگران برای دستیابی به این تخمین ها بجای استفاده از مدلهای پیش بینی آب و هوا و کربن جهانی برای محاسبه گرمایش در آینده، به یک هوش مصنوعی معروف به شبکه عصبی پایگاه داده ای از تغییرات دما روی آوردند.
این شبکه های عصبی از تعداد زیادی گره برای شناسایی الگوها در داده های موجود استفاده می نمایند، الگوهایی که می توانند در آینده برون یابی شوند. بطور مشخص، هوش مصنوعی افزایش دمای اخیر را در محلهای خاص در مقایسه با داده های مرجع بین سالهای ۱۹۵۱ و ۱۹۸۰ بررسی کرد.
برای آزمایش صحت تخمین های آینده، از هوش مصنوعی خواسته شد تا افزایش ۱.۱ درجه سانتی گرادی فعلی را بالاتر از سطوح پیش از صنعتی شدن پیش بینی نماید و درست عمل کرد.
دیفن باگ می گوید: این واقعاً آزمایش مهمی بود تا ببینیم آیا هوش مصنوعی می تواند زمان گرمایشی را که می دانیم رخ داده است، پیش بینی نماید یا خیر. ما تا آن زمان که نتیجه را ندیده بودیم، نسبت به این که این روش کارساز خواهد بود بسیار شک داشتیم. حالا این واقعیت که هوش مصنوعی از دقت بالایی برخوردار است، اعتماد من را نسبت به پیش بینی های آن درباره ی گرمایش جهانی در آینده بالا می برد.
پیش بینی هوش مصنوعی در خصوص این که جهان تا اوایل دهه ۲۰۳۰ یک و نیم درجه گرم تر خواهد شد، با نتایج ششمین گزارش ارزیابی تغییرات آب و هوایی بین دولتی(IPCC) مطابقت دارد که در آن آمده است: تخمین اساسی عبور از آستانه ۱.۵ درجه سانتی گرادی در اوایل دهه ۲۰۳۰، اعتماد بیشتری را به دقت هوش مصنوعی افزوده است. تخمین اساسی عبور از آستانه ۱.۵ درجه سانتی گرادی در اوایل دهه ۲۰۳۰، اعتماد بیشتری را به دقت هوش مصنوعی افزوده است.
هنوز در مورد این که چه زمانی ممکنست به آن افزایش دو درجه سانتیگرادی برسیم، ابهام وجود دارد، چونکه باید اهتمام کنید یک سیاره کامل را در سالهای آینده دقیقا شبیه سازی کنید.
پژوهشگران می گویند، آنچه ما می دانیم این است که افزایش دما موجب ایجاد «نقاط اوج» بیشتری می شود و یک حلقه بازخورد گرمایش بیشتر بوجود می آورد. بنابراین است که سطح افزایش ۲ درجه سانتیگرادی توسط دانشمندان بسیار مهم می باشد، چونکه اثرات آن در تخریب و کاهش محصولات کشاورزی، بالا آمدن سطح دریا، فروپاشی اکوسیستم ها در خشکی و دریاها، رکود اقتصادی و اثرات شدید بر سلامت انسان احساس خواهد شد.
این گروه پژوهشی پیشنهاد می دهد که اهداف انتشارِ صفرِ کربن دی اکسید، متان و سایر گازهای به دام اندازنده گرما باید تا اواسط این قرن محقق شوند تا از گرم شدن بیش از دو درجه سانتیگراد جهان جلوگیری شود. هم اکنون، اغلب کشورها بین سالهای ۲۰۵۰ تا ۲۰۷۰ در نظر دارند تا سطح انتشار خودرا به صفر برسانند.
دیفن باگ می گوید: این تعهدات صفر خالص اغلب حول محور دستیابی به توافق پاریس و هدف ۱.۵ درجه سانتیگرادی آنست.
وی ادامه داد: نتایج ما نشان میدهد که ممکنست برای جلوگیری از افزایش دو درجه سانتیگرادی گرمایش جهانی به این تعهدات بلندپروازانه نیاز باشد.
هوش مصنوعی طوفان تگرگ را پیش بینی می کند
پژوهشگران آمریکایی، یک مدل یادگیری عمیق ابداع نموده اند که می تواند طوفان های تگرگ و شدت آنها را پیش بینی نماید. پژوهش جدید «سازمان ملی پژوهش های جوی» (NCAR) آمریکا نشان میدهد شاید هوش مصنوعی که بطور معمول در سیستم های تشخیص چهره به کار می رود، بتواند به پیش بینی طوفان های تگرگ و شدت آنها کمک نماید.
دانشمندان این سازمان، یک مدل یادگیری عمیق موسوم به «شبکه عصبی پیچشی»(ConvNet) را آموزش دادند تا بتواند خاصیت های طوفان هایی که بر شکل گیری تگرگ اثر می گذارند و میزان شدت طوفان های تگرگ را تشخیص دهد. از آنجائیکه تشخیص هر دو مورد بطور معمول کار دشواری است، این مدل در صورت موفقیت می تواند بسیار کارآمد باشد.
نتایج این پژوهش که با حمایت «بنیاد ملی علوم آمریکا»(NSF) انجام شده، می تواند اهمیت بررسی ساختار کلی طوفان را که موضوعی چالش برانگیز است، مشخص نماید.
«دیوید جان گاگن»(David John Gagne)، سرپرست این گروه پژوهشی اظهار داشت: ما می دانیم که ساختار طوفان می تواند بر تولید تگرگ موثر باشد اما بیشتر روش های پیش بینی تگرگ بطور معمول فقط بخش کوچکی از طوفان را مورد بررسی قرار می دهند و نمی توانند شکل و ساختار گسترده تری را تشخیص دهند.
«نیک اندرسون» (Nick Anderson)، مسئول برنامه های بنیاد ملی علوم آمریکا اظهار داشت: تگرگ، به ویژه تگرگ های بزرگ می توانند اثرات قابل توجهی بر اقتصاد و کشاورزی داشته باشند. استفاده از ابزار مبتنی بر یادگیری عمیق با روش های منحصر به فرد می تواند بینش جدیدی در مورد شرایطی که تگرگ های بزرگ در آن پیش می آید فراهم آورد و پیش بینی در این مورد را بهبود ببخشد. یادگیری عمیق، یک روش علمی خلاقانه و کارآمد برای این حوزه خواهد بود.
این پژوهش، بر طبق بررسی پیشین «گاگن» انجام شده که شکل متفاوتی از یادگیری ماشینی موسوم به مدل «جنگل تصادفی»(random forest) را برای پیش بینی تگرگ به کار برده بود. مدل جنگل تصادفی بجای تحلیل تصاویر، سوالاتی را مطرح می کند که برای تعیین میزان احتمال تگرگ طراحی شده اند. این سوالات می توانند موضوعات گوناگونی همچون نقطه شبنم - دمایی که هوا باید برای اشباع شدن با بخار آب به آن برسد- دما یا باد را در بر داشته باشد. مجموعه پاسخ های داده شده به این سوالات می توانند پیش بینی قابل اطمینانی عرضه کنند.
پیش بینی «توفان رعد و برق» با کمک هوش مصنوعی
پژوهشگران «دانشگاه زارلند»(Saarland University) آلمان در مطالعه اخیرشان با کمک هوش مصنوعی سیستمی توسعه داده اند که می تواند زمان دقیق «توفان تندری» را پیش بینی نماید. دانشمندان حوزه کامپیوتر آلمان سیستمی را توسعه داده اند که توسط آن می توانند زمان دقیق توفان تندری را تشخیص دهند.
هرساله افراد بسیاری، با وجود هشدارهای پیشین، در توفان های تندری کشته شده یا لطمه می بینند بدین سبب توسعه سیستمی برای پیش بینی دقیق این مساله بسیار لازم است.
«توفان تندری»(Thunderstorm) که با اسامی توفان الکتریکی یا توفان رعد و برق نیز شناخته می شود نوعی از آب وهوای آشفته است که خاصیت آن، حضور آذرخش و اثر صوتی آن در جو زمین به نام تندر است. توفان های تندری به طور معمول با باران و باد شدید و گاهی با دانه های ریز برف یا تگرگ همراه می شوند و گاهی نیز بدون بارش رخ می دهند. ابرهای نسبت داده شده به توفان تندری در هواشناسی، ابرهای «کومولونیمبوس»(Cumulonimbus) هستند.
هم اکنون «سرویس ملی هواشناسی آلمان»(Germany's National Meteorological Service) با همکاری «داتچر وتردینست»(Deutscher Wetterdienst)، استاد علوم کامپیوتر و «جنز دیتریچ»(Jens Dittrich) و «کریستین شون»(Christian Schön) دانشجوی مقطع دکترای «دانشگاه زارلند» سیستمی را توسعه دادند که توفان های تندری را دقیق تر از گذشته پیش بینی می کند. این سیستم مبتنی بر تصاویر ماهواره ای و هوش مصنوعی است. پژوهشگران بمنظور بررسی دقیق تر این روش و کار بر روی این سیستم بمنظور عملکرد بهتر، مبلغ ۲۷۰ هزار یورو از وزارت فدرال حمل و نقل دریافت نمودند.
یکی از وظایف اصلی سرویس هواشناسی این است که وقوع شرایط آب و هوایی خطرناک را هشدار دهد و شرایط آب و هوایی خطرناک شامل توفان های تندری هستند که اغلب با باد، گرد و غبار و بارندگی شدید هم راه است. طی این مطالعه «داتچر وتردینست»(Deutscher Wetterdienst) سیستمی به نام «نوکست میکس»(NowcastMIX) برای پیش بینی این مساله توسعه دادند.
سیستم مذکور هر پنج دقیقه یک دفعه چندین سیستم سنجش از دور و شبکه های نظارتی را کنترل می کند و دو ساعت زودتر وقو ع توفان های تندری، باران های سنگین و بارش برف را هشدار می دهد. بمنظور پیش بینی دقیق توفان تندری سیستم مذکور علاوه بر تصاویر ماهواره ای و هوش مصنوعی از روش همرفت یا کانوکشن نیز استفاده می نماید.
هم رَفت (Convection) یا کانوکشن به انتقال گرما توسط حرکت توده مولکول ها در سیالات، از قبیل گازها و مایعات، گفته می شود. همرفت شامل زیر-مکانیزم هایی از قبیل ادوکشن(انتقال گرمای جهت دار توسط توده مولکول ها) و دیفیوژن(انتقال گرما یا مولکولی بدون جهت از یک نقطه متمرکز به نقاط دارای غلظت کمتر) است.
دوقلوی دیجیتال زمین
دانشمندان درحال توسعه یک «دوقلوی دیجیتال» زمین هستند تا به کمک آن بتوانند وقایع مربوط به گرمایش جهانی که در آینده رخ خواهد داد را پیش بینی کنند. بتازگی در بیانیه مطبوعاتی مؤسسه فناوری فدرال زوریخ آمده است که نسخه دیجیتالی کل زمین به آنها امکان می دهد بتوانند تمام سناریوها را بررسی نمایند تا پیش بینی کنند که در آینده چه چیزی رخ خواهد داد. بگفته پژوهشگران این سیستم از چارچوب روش شناختی مرتبط در پیشرفت های استثنایی در پیش بینی عددی آب و هوا استفاده خواهدنمود. هدف این است که این مدل بتواند تأثیرات سیاست های اقلیمی و سایر عوامل را پیش از وقوع بررسی کند که این مساله بهترین راه برای کاهش اثرات گرمایش جهانی است.نسخه دیجیتالی کل زمین به آنها امکان می دهد بتوانند تمام سناریوها را بررسی نمایند تا پیش بینی کنند که در آینده چه چیزی رخ خواهد داد
سیستم پردازش اطلاعات پیشرفته هواشناسی
اداره ملی اقیانوسی و جوی ایالات متحده آمریکا سیستمی تحت عنوان «سیستم پردازش اطلاعات پیشرفته هواشناسی»(AWIPS) را توسعه داده است. «سیستم پردازش اطلاعات پیشرفته هواشناسی»(AWIPS)، یک سیستم پردازش کامپیوتری است که داده های جمع آوری شده توسط تمام ابزارهای پیشین را به یک رابط گرافیکی متصل می کند و هواشناسان نیز از آن برای تحلیل و بررسی داده ها و پیش بینی آب و هوا استفاده می نمایند. این سیستم از سوپرکامپیوتر های این اداره، برای پردازش داده ها از رادار داپلر، رادیوسوندها، ماهواره های هواشناسی و سیستم های مشاهده خودکار سطح زمین استفاده می نماید. پس از آن که هواشناسان پیش بینی ها را آماده می کنند، سیستم پردازش اطلاعات پیشرفته هواشناسی، گرافیک آب و هوا و ساعت ها و هشدارهای خطرناک آب و هوا را بوجود می آورد. همه این ها کمک می نماید تا هواشناسان بتوانند سریع تر و دقیق تر از همیشه وضعیت آب و هوایی را پیش بینی کنند. علاوه بر این «سیستم های مشاهده خودکار سطح زمین»(ASOS) بطور مداوم بر شرایط آب و هوایی سطح زمین نظارت می کنند. داده هایی که توسط «سیستم های مشاهده خودکار سطح زمین» جمع آوری می شوند برای بهبود وضعیت پیش بینی هوا و هشدارها ضروری هستند.
منبع: smartcover.ir
مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب