NASA використовує машинне навчання для покращення попереджень про раптові паводки
“`html
Система виявлення перехідних артефактів та безперервного навчання (TACLS) використовує дані з мереж супутників, що працюють безперервно, разом із моделями машинного навчання для допомоги метеорологам Національної метеорологічної служби ефективніше прогнозувати раптові паводки. Це нове програмне забезпечення є результатом співпраці Лабораторії реактивного руху NASA, Каліфорнійського університету в Сан-Дієго (UCSD) та Національного управління океанічних і атмосферних досліджень (NOAA) Національної метеорологічної служби (NWS).
TACLS test prediction run
- TACLS test prediction run (Original)
To view this video please enable JavaScript, and consider upgrading to a web browser thatsupports HTML5 video
Візуальний аналіз тестового прогнозного запуску TACLS з використанням даних про раптові паводки за тиждень Різдва 2025 року. Зображення показує ймовірності попередження про раптові паводки (FFW), згенеровані TACLS (відтінки червоного), накладені на території, що отримали попередження про раптові паводки від Національної метеорологічної служби (синій колір).Credit: UCSD Scripps Institution of Oceanography
TACLS, створена за підтримки Офісу технологій науки про Землю NASA (ESTO), використовує машинне навчання для автоматичного виявлення ознак (незвичайне збільшення вологості атмосфери) раптових паводків, які метеорологи можуть пропустити під час аналізу великих обсягів даних. TACLS позначає ці ознаки, вказує, де ймовірно може статися раптовий паводок, і відображає цю інформацію у зручному для користувача вигляді для аналізу фахівцями. Ці фахівці потім можуть вирішити, чи видавати попередження про раптові паводки або метеорологічні консультації.
Ця нова система відстеження екстремальних погодних явищ та прогнозування раптових паводків працює майже в режимі реального часу, видаючи прогнози всього за п’ятнадцять хвилин.
«Саме це ми хотіли зробити – надати метеорологам інструмент для підтримки прийняття рішень щодо попереджень про раптові паводки», – зазначив Єгуда Бок, видатний дослідник Океанографічного інституту Скріппса UCSD та головний дослідник проєкту TACLS.
Під час тестових симуляцій TACLS використовувала дані різноманітних екстремальних погодних явищ, включаючи атмосферні річки, конвекцію в умовах мусонів та залишки тропічних циклонів, за період з 2017 по 2023 роки. Система успішно охопила 93% виданих попереджень про раптові паводки. Метеорологи Національної метеорологічної служби наразі працюють над інтеграцією TACLS до своїх існуючих систем для прогнозування раптових паводків у Південній Каліфорнії.
Ця система навчання складається з двох основних компонентів. По-перше, аналітичний програмний пакет на бекенді використовує алгоритми машинного навчання для обробки супутникових даних та визначення зон ризику затоплення. По-друге, програмне забезпечення для зручної візуалізації виділяє ці зони для подальшого аналізу людьми.
Бекенд-програмне забезпечення TACLS аналізує дані з супутників Глобальної навігаційної супутникової системи (GNSS), сукупності навігаційних супутникових мереж, що використовуються у всьому світі. Водяна пара в тропосфері затримує сигнали від цих супутників під час їх подорожі до Землі. Цю затримку сигналу можна проаналізувати для розрахунку кількості водяної пари в атмосфері над певною точкою на Землі.
Аналітичний програмний пакет TACLS на бекенді містить модель машинного навчання, навчену на основі понад 30 років минулих даних GNSS. Ця модель є детектором аномалій, що відстежує незвичне збільшення вологості атмосфери. Модель ретельно аналізує ці дані про вологість і визначає, чи є це артефактом (помилковою ознакою або спотворенням у даних), чи перехідним явищем (часозалежною фізичною подією, як-от сильні опади), що вимагає інтерпретації людьми.
Якщо TACLS визначає, що дані представляють перехідне явище, наприклад, екстремальне погодне явище, що вимагає попередження про раптові паводки, вона передає ці дані до програмного забезпечення для візуалізації TACLS (MGViz) для подальшої оцінки фахівцями. Аналітики використовують свої судження та досвід для інтерпретації цих подій та визначення, чи вказують позначені дані на ймовірність раптового паводку, і, за необхідності, видають відповідне попередження.
Кілька попередніх інновацій, розроблених у JPL, використовуються TACLS для обробки даних GNSS та представлення результатів. Аналітичний програмний пакет включає елементи з програми JPL «Алгоритми ранжування викидів, незалежні від домену» та програми «Прогнозування, оцінка та розгортання часових рядів». Візуалізатор TACLS базується на Багатоцільовій геоінформаційній системі (Multi-Mission Geographic Information System), яка спочатку була розроблена в JPL для марсіанських місій NASA.
Програмне забезпечення TACLS об’єднує всі ці компоненти в нову систему, яка вдосконалює існуючі методи, зменшуючи час, необхідний фахівцю для прийняття рішення про видачу попередження про раптові паводки.
Як програмне забезпечення TACLS, так і дані, використані для його навчання, будуть у відкритому доступі. Це дозволить вченим адаптувати цю модель відповідно до їхніх унікальних дослідницьких потреб або створити власну модель з нуля.
Керівник проєкту: Доктор Єгуда Бок, Каліфорнійський університет у Сан-Дієго.
Організації-спонсори: Офіс технологій науки про Землю NASA, Програма передових технологій інформаційних систем; JPL; NOAA; Національна метеорологічна служба.
“`
За матеріалами: science.nasa.gov