Незадолго до того, как сойти на берег в Луизиане, ураган «Лаура», обрушившийся на берег 27 августа, претерпел процесс, называемый быстрой интенсификацией, с ветрами, которые подскочили на 35 миль в час (56 км в час) и более в течение 24 часов. Кредит: NOAA
НАСА исследования могут помочь улучшить прогнозы внезапной усиления урагана, что даст людям на его пути больше времени для подготовки.
В октябре 2015 года ураган «Патрисия» в северо-восточной части Тихого океана превратился из шторма 1-й категории в монстра 5-й категории в течение 24 часов, его скорость ветра увеличилась с 86 миль / ч (138 км / ч) до 207 миль / ч (333 км / ч). Патрисия не была первым или последним ураганом, который внезапно усилился за такое короткое время, но это была впечатляющая демонстрация явления, которое десятилетиями мешало прогнозам метеорологии.
Точно предсказать, будет ли ураган быстро усиливаться, когда скорость ветра увеличится на 35 миль в час (56 км в час) или более в течение 24 часов, невероятно сложно. Но исследователи под руководством ученых из Лаборатории реактивного движения НАСА в Южной Калифорнии использовали машинное обучение для разработки экспериментальной компьютерной модели, которая обещает значительно улучшить точность обнаружения событий быстрой интенсификации.
«Это важный прогноз, который нужно сделать правильно, поскольку он может нанести вред людям и имуществу», – сказал Хуи Су, ученый-атмосферник из JPL. Она и ее коллеги, включая исследователя из Национального центра ураганов Национального управления по исследованию океанов и атмосферы, описали свою модель прогноза в статье, опубликованной 25 августа в журнале Geophysical Research Letters.
Глядя на внутреннюю работу
Прогноз урагана состоит из двух частей: его след и его интенсивность. Ученые и синоптики очень хорошо умеют предсказывать, где ураган обрушится на сушу. Но прогнозирование его силы по-прежнему доставляет им проблемы, потому что это зависит от окружающей среды, а также от того, что происходит внутри этих штормов. Такие параметры, как интенсивность дождя или скорость движения воздуха по вертикали, сложно измерить внутри урагана.
Также трудно определить, какие внутренние характеристики приводят к быстрому усилению этих бурь. Но после анализа спутниковых данных за годы Су и ее коллеги обнаружили, что хорошим показателем того, как сила урагана изменится в течение следующих 24 часов, является количество осадков внутри внутреннего ядра шторма – области в пределах 62 миль (100- километр) радиусом глаза, или плотная стена грозы, окружающая глаз. Чем сильнее дождь внутри урагана, тем больше вероятность того, что шторм усилится. Команда собрала эти данные об осадках в рамках миссии по измерению тропических осадков, совместного спутникового проекта НАСА и Японского агентства аэрокосмических исследований, который работал с 1997 по 2015 год.
Кроме того, исследователи обнаружили, что изменения интенсивности шторма зависели от содержания ледяной воды в облаках во время урагана – измерения, которые они собрали из наблюдений NASA CloudSat. Температура воздуха, истекающего от глаза во время ураганов, известная как температура истечения, также учитывалась при изменении интенсивности. Су и ее коллеги получили измерения температуры на выходе из микроволнового зонда (MLS) НАСА на спутнике Aura, а также из других наборов данных.
Больше возможностей для обучения
Команда добавила предикторы интенсивности осадков, содержания ледяной воды и температуры оттока к тем, которые Национальный центр ураганов уже использует в своей операционной модели, чтобы делать собственные прогнозы с помощью машинного обучения. Внутри урагана так много переменных, и они взаимодействуют таким сложным образом, что многие современные компьютерные модели не могут точно отобразить внутреннюю работу этих штормов. Однако машинное обучение лучше способно анализировать эту сложную внутреннюю динамику и определять, какие свойства могут вызвать внезапный скачок интенсивности ураганов. Исследователи использовали возможности вычислительных алгоритмов IBM Watson Studio для разработки своей модели машинного обучения.
Затем они обучили свою модель штормам с 1998 по 2008 год и проверили ее, используя другой набор штормов, с 2009 по 2014 год. Су и ее коллеги также сравнили эффективность своей модели с моделью оперативного прогноза Национального центра ураганов для тех же штормов от 2009-2014 гг.
Для ураганов, скорость ветра которых увеличилась как минимум на 35 миль / ч (56 км / ч) в течение 24 часов, модель исследователей имела на 60% более высокую вероятность обнаружения события быстрого усиления по сравнению с текущей моделью оперативного прогноза. Но для тех ураганов с ветрами, которые прыгнули со скоростью не менее 40 миль в час (64 км в час) в течение 24 часов, новая модель превзошла оперативную в обнаружении этих событий на 200%.
Су и ее коллеги, в том числе сотрудники Национального центра ураганов, тестируют свою модель на штормах в течение текущего сезона ураганов, чтобы оценить ее эффективность. В будущем они планируют проанализировать спутниковые данные, чтобы найти дополнительные характеристики ураганов, которые могут улучшить их модель машинного обучения. Предикторы, например, будет ли дождь сильнее в одной части урагана по сравнению с другой, могут дать ученым возможность лучше понять, как интенсивность шторма может измениться со временем.
