چگونه هوش مصنوعی آینده هواشناسی را متحول خواهد کرد؟
به گزارش پارسی کاو، هواشناسی و پیشبینی وضعیت آب و هوا به صورت سنتی مبتنی بر بهترین حدس و پیشبینی برای گمانه زنی در رابطه با وضعیت هوا در آینده نزدیک است، اما هوش مصنوعی می تواند همه چیز را در این حوزه تغییر دهد.
به گزارش پارسی کاو به نقل از ایسنا، پیشبینی 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 پیشبینی الگوهای آب و هوایی کمک کند؟ چقدر دقیق میتوان آب و هوا را پیش بینی نمود تا شاهد خسارت های جبران ناپذیر نباشیم؟
روند پیشبینی الگوهای آب و هوا یک علم بسیار پیچیده است و احتیاج 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 پیشبینی هوا یک کار بسیار پر اهمیت است و برای حصول بهترین نتایج این کار باید در زمان واقعی صورت گیرد.
اما مانند هرگونه پیشبینی دیگر، پیشبینی آب و هوا یک حدس مبتنی بر آموزش و علم است. از آنجاییکه ما نمی توانیم آب و هوا را کنترل نماییم، بهترین هواشناسان می توانند با استفاده از داده ها و الگوهای گذشته و حال به پیشبینی آب و هوای آینده بپردازند. این کار بخصوص برای اخطار در مورد رویدادهای فاجعه آمیز نظیر جاری شدن سیل مهم می باشد.
دقت پیشبینی آب و هوا در طول سالیان اخیر افزایش پیدا کرده است، اما هنوز ۱۰۰ درصد دقیق نیست. طبق برخی برآوردها، یک پیشبینی آب و هوایی هفت روزه حدود ۸۰ درصد قابل اعتماد است.
زمان بندی های کوتاه مدت تر دقت بیشتری دارند. بعنوان مثال یک پیشبینی آب و هوایی پنج روزه حدود ۹۰ درصد صحیح است و هر پیشبینی بیشتر از هفت روزه بخصوص پیشبینی های 10 روزه یا بیشتر از آن تنها ۵۰ درصد دقیق هستند.
با توجه به این که جو به صورت مداوم درحال تغییر است، برآوردهای طولانی مدت برای مدل سازی و پیشبینی بسیار دشوار است. هواشناسان این کار را با استفاده از برنامه های کامپیوتری معروف به مدلهای هواشناسی برای رسیدن به این پیشبینی ها انجام می دهند.هواشناسان از انواع حسگرها، ماهواره ها و مدلهای کامپیوتری برای پیشبینی الگوهای آب و هوایی آینده استفاده می نمایند.
اغلب 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 هم 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 هم توسط هواشناسان برای اندازه گیری بارش در سرتاسر 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 به صورت 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 به صورت کامل تحت نظر قرار بگیرد.
این کار ماهواره ها را قادر می سازد مجموعه داده های عظیمی را در مورد جو زمین به صورت کامل همچون ابرها و اقیانوس ها با وضوح بسیار بالا فراهم نمایند. هواشناسان با استفاده از این نوع داده ها به صورت نظری قادر به پیشبینی 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 پیشبینی های دقیق تری از آب و هوا می شود.
ابزارهای دیگر همینطور می توانند برای تعیین دمای سطح دریا مورد استفاده قرار گیرند که یک عامل مهم دیگر در پیشبینی آب و هوا در دراز مدت است. سپس این داده ها می توانند برای پیشبینی آب و هوا همچون تغییرات فصلی در مقیاس بزرگ استفاده شوند. آنها همینطور اطلاعاتی را جهت کمک به پیشبینی شرایط آب و هوایی خطرناک مانند طوفان، گردباد، سیل و کولاک شدید قبل از وقوع جمع آوری می کنند.
این داده ها همینطور جهت کمک به ارزیابی خطرات محیطی مانند خشکسالی، آتشسوزی 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. بعنوان مثال ماهواره «DSCOVR» در مدار یک میلیون مایلی(یک میلیون و ۶۰۹ هزار کیلومتری) زمین قرار دارد.
این نوع از ماهواره ها هشدارها و پیشبینی ها در مورد خطرات فضایی را فراهم می کنند و بر انرژی خورشیدی که هر روز جذب زمین می شود، نظارت می کنند. «DSCOVR» همینطور قادر به ثبت اطلاعات در مورد سطح اُزن و سطح هواژل موجود در جو است.
اما هوش مصنوعی چگونه به کمک پیشبینی آب و هوا می آید؟
مجموعه داده های عظیم جمع آوری شده از وضعیت جوی زمین پیشبینی رویدادهای آینده را بسیار دشوار می کند.
مدلهای کامپیوتری فعلی تنها برای نظارت و اخطار در مورد پدیده های بزرگ در نظر گرفته شده اند و شامل مواردی نظیر چگونگی گرم شدن جو زمین توسط خورشید، چگونگی تاثیر 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 همینطور چرخش زمین در فضا را در نظر می گیرند چون که هر تغییر کوچکی در یک متغیر می تواند رویدادهای آینده را تغییر دهد.
این حقیقت الهام بخش «ادوارد لورنز» یک هواشناس از مؤسسه فناوری ماساچوست(MIT) شد تا اصطلاح معروف خود معروف 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 بعنوان پدر نظریه آشوب شناخته می شود. وی اعتقاد دارد حداکثر حد پیشبینی 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 شرایط اولیه چنین سیستم هایی سبب دگرگونی های بسیار در مرحله بعدی خواهد شد.
این پدیده در نظریه آشوب به اثر پروانه ای معروف است که در آن بعنوان مثال بال زدن یک پروانه در برزیل می تواند(تحت شرایطی) سبب گردباد در تگزاس شود. ازاین رو عرضه پیشبینی طولانی مدت رفتار آنها غیر ممکن است.این پدیده در نظریه آشوب به اثر پروانه ای معروف است که در آن بعنوان مثال بال زدن یک پروانه در برزیل می تواند(تحت شرایطی) سبب گردباد در تگزاس شود.
رفتار سیستم های آشفته به ظاهر تصادفی می نماید. با این وجود هیچ ضرورتی به وجود عنصر تصادف در ایجاد رفتار آشوبی نیست و سیستم های دینامیکی معینی(deterministic) هم می توانند رفتاری آشفته از خود نشان دهند.
میتوان 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 پیشبینی 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.
با عنایت به پیچیدگی ذاتی پیشبینی آب و هوا، دانشمندان هم اکنون از هوش مصنوعی برای پیشبینی 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 پیشبینی آینده یاد بگیرد.
یک مثال برای این نوع پیشبینی آب و هوا، پیشبینی عددی(NWP) است. این مدل مبتنی بر مطالعات و تحلیل و بررسی مجموعه داده های گسترده ماهواره ها و دیگر حسگرها برای عرضه پیشبینی های آب و هوایی کوتاه مدت و پیشبینی های دراز مدت است.
شرکت های مختلف هم اکنون بشدت درحال سرمایه گذاری روی هوش مصنوعی در پیشبینی آب و هوا هستند. برای مثال شرکت IBM اخیرا یک شرکت هواشناسی را خریداری نموده و داده ها و هوش مصنوعی خویش را با اطلاعات این شرکت ترکیب کرده است.
این کار منجر به توسعه برنامه «دیپ تاندر»(Deep Thunder) شد که پیشبینی های آب و هوایی فوق العاده ای را با دقت ۰.۲ تا ۱.۲ مایل عرضه می دهد.
یک شرکت هواشناسی دیگر معروف به «مونسانتو»(Monsanto) هم برای پیشبینی آب و هوا در هوش مصنوعی سرمایه گزاری نموده است. این شرکت وظیفه پیشبینی آب و هوا برای صنعت کشاورزی را در دستور کار خود دارد.
محققان دانشکده مهندسی «کلمبیا» هم اخیرا دریافتند که با استفاده از تکنیک «یادگیری ماشین» در «هوش مصنوعی» میتوان وضعیت آب و هوا را پیش بینی نمود.
محققان تابحال در مورد پیشبینی صحیح وضعیت آب وهوایی بحث های زیادی کرده اند. پیشبینی های صحیح آب و هوایی در پاسخ به افزایش «گازهای گلخانه ای» امری ضروری می باشد. در این راستا، محققان 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 پیشبینی وضعیت آب و هوا ایجاد نماید.
وی ادامه داد: تابحال پیشبینی 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 ازاین رو وضعیت آب و هوایی را بهتر پیشبینی کنند.
«جنتین» اظهار نمود: با استفاده از این یافته جدید ما، مدلهای جدید آب و هوایی در آینده فراهم خواهد آمد.
محققان این فرایند هوش مصنوعی جدید را(Cloud Brain»(CBRAIN» نام نهاده اند.
این فرایند خیلی از خصوصیت های ابرها از قبیل «دما»، «رطوبت» و «ویژگی های تابشی» را پیشبینی می کند که برای شبیه سازی مدلهای آب و هوایی ضروری هستند.
پیش بینی هوش مصنوعی در رابطه با گرمایش جهانی در ۱۰ سال آینده
الگوریتم های پیچیده هوش مصنوعی پیشبینی کرده اند که در اوایل دهه ۲۰۳۰، جهان ۱.۵ درجه سانتی گراد گرم تر از پیش از انقلاب صنعتی خواهد بود و زنگ اخطار دیگری برای تغییر آب و هوا به صدا درآورده است.الگوریتم های پیچیده هوش مصنوعی پیشبینی کرده اند که در اوایل دهه ۲۰۳۰، جهان ۱.۵ درجه سانتی گراد گرم تر از پیش از انقلاب صنعتی خواهد بود
هوش مصنوعی پیشبینی 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 کاهش پیدا کند، 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.
به قول 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 پیشگیری از افزایش دو درجه سانتی گرادی مورد نیاز است. افزایش دمای دو درجه سانتیگرادی زمانی است که عواقب گرمایش جهانی به صورت قابل توجهی به منظور زندگی در این سیاره بدتر می شود.
اما ما هم اکنون شاهد تأثیرات مختلف آب و هوایی به شکل موج گرما، آتشسوزی جنگلها، سیل و طوفان با تنها افزایش ۱.۱ درجه سانتی گرادی گرمایش جهانی هستیم. بنابراین، محدود کردن این افزایش دما تا حد امکان ضروری می باشد، چونکه هر مقدار کاهش، مهم می باشد.
این مدل هوش مصنوعی نشان داده است که حتی اگر انتشار گازهای گلخانه ای به سرعت کاهش پیدا کند 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 پیشبینی 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 صورت گرفته است، تا حدی که اگر رسیدن به انتشار گازهای گلخانه ای به صفر خالص نیم قرن دیگر زمان ببرد، احتمالا از افزایش دو درجه سانتیگرادی فراتر می رویم.
پژوهشگران برای دستیابی به این تخمین ها به جای استفاده از مدلهای پیشبینی 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. به صورت مشخص، هوش مصنوعی افزایش دمای اخیر را در مکانهای 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 وقتی که نتیجه را ندیده بودیم، نسبت به این که این روش کارساز خواهد بود بسیار شک داشتیم. حالا این حقیقت که هوش مصنوعی از دقت بالایی برخوردار است، اعتماد من را نسبت به پیشبینی های آن در رابطه با گرمایش جهانی در آینده بالا می برد.
پیشبینی 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 امکان دارد به آن افزایش دو درجه سانتیگرادی برسیم، ابهام وجود دارد، چون که باید تلاش کنید یک سیاره کامل را در سالهای آینده دقیقاً شبیه سازی کنید.
پژوهشگران می گویند، آنچه ما می دانیم اینست که افزایش دما سبب 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، چون که 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 بیشتر از دو درجه سانتیگراد جهان جلوگیری شود. هم اکنون، اغلب کشورها بین سالهای ۲۰۵۰ تا ۲۰۷۰ در نظر دارند تا سطح انتشار خویش را به صفر برسانند.
دیفن باگ می گوید: این تعهدات صفر خالص اغلب حول محور دستیابی به توافق پاریس و هدف ۱.۵ درجه سانتیگرادی آن است.
وی ادامه داد: نتایج ما نشان داده است که امکان دارد برای پیشگیری از افزایش دو درجه سانتیگرادی گرمایش جهانی به این تعهدات بلندپروازانه نیاز باشد.
هوش مصنوعی طوفان تگرگ را پیشبینی 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 داده است شاید هوش مصنوعی که معمولاً در سیستم های تشخیص چهره به کار می رود، بتواند به پیشبینی طوفان های تگرگ و شدت آنها کمک نماید.
دانشمندان این سازمان، یک مدل یادگیری عمیق معروف به «شبکه عصبی پیچشی»(ConvNet) را آموزش دادند تا بتواند خصوصیت 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 معمولاً 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 پیشبینی تگرگ معمولاً 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، بخصوص 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 پیشبینی در این مورد را بهبود ببخشد. یادگیری عمیق، یک روش علمی خلاقانه و کارآمد برای این حوزه خواهد بود.
این پژوهش، برپایه بررسی پیشین «گاگن» انجام شده که شکل متفاوتی از یادگیری ماشینی معروف به مدل «جنگل تصادفی»(random forest) را برای پیشبینی تگرگ به کار برده بود. مدل جنگل تصادفی به جای 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 پیشبینی 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 صدمه می بینند ازاین رو توسعه سیستمی برای پیشبینی دقیق این مورد بسیار ضروریست.
«توفان تندری»(Thunderstorm) که با نامهای توفان الکتریکی یا توفان رعد و برق هم شناخته می شود نوعی از آب وهوای آشفته است که خصوصیت آن، حضور آذرخش و اثر صوتی آن در جو زمین به نام تندر است. توفان های تندری معمولا با باران و باد شدید و گاهی با دانه های ریز برف یا تگرگ همراه می شوند و گاهی هم 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 پیشبینی می کند. این سیستم مبتنی بر تصاویر ماهواره ای و هوش مصنوعی است. محققان به منظور بررسی دقیق تر این روش و کار بر روی این سیستم به منظور عملکرد بهتر، مبلغ ۲۷۰ هزار یورو از وزارت فدرال حمل و نقل دریافت نمودند.
یکی از وظایف اصلی سرویس هواشناسی اینست که وقوع شرایط آب و هوایی خطرناک را اخطار دهد و شرایط آب و هوایی خطرناک شامل توفان های تندری هستند که اغلب با باد، گرد و غبار و بارندگی شدید همراه می باشد. طی این مطالعه «داتچر وتردینست»(Deutscher Wetterdienst) سیستمی به نام «نوکست میکس»(NowcastMIX) برای پیشبینی این مورد توسعه دادند.
سیستم مذکور هر پنج دقیقه یک مرتبه 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 اخطار می دهد. به منظور پیشبینی دقیق توفان تندری سیستم مذکور علاوه بر تصاویر ماهواره ای و هوش مصنوعی از روش همرفت یا کانوکشن هم 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 در ارتباط با گرمایش جهانی که در آینده رخ خواهد داد را پیشبینی کنند. به تازگی 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 پیشبینی کنند که در آینده چه چیزی رخ خواهد داد. به قول محققان این سیستم از چارچوب روش شناختی مرتبط در پیشرفت های استثنایی در پیشبینی عددی آب و هوا استفاده خواهد نمود. هدف اینست که این مدل بتواند تأثیرات سیاست های اقلیمی و سایر عوامل را پیش از وقوع بررسی کند که این مورد بهترین راه برای کاهش اثرات گرمایش جهانی است.نسخه دیجیتالی کل زمین به آنها امکان می دهد بتوانند تمام سناریوها را بررسی نمایند تا پیشبینی 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 هم از آن برای تحلیل و بررسی داده ها و پیشبینی آب و هوا استفاده می نمایند. این سیستم از ابررایانه های این اداره، برای پردازش داده ها از رادار داپلر، رادیوسوندها، ماهواره های هواشناسی و سیستم های مشاهده خودکار سطح زمین استفاده می نماید. بعد از آنکه هواشناسان پیشبینی 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 پیشبینی کنند. علاوه بر این «سیستم های مشاهده خودکار سطح زمین»(ASOS) به صورت 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 پیشبینی هوا و هشدارها ضروری هستند.
منبع: parsikav.ir
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب