Lidia PerskaEn gruppe forskere i Sydkorea har gjort en banebrydende fremskridt med at forudsige tyfonintensitet ved hjælp af realtids satellitdata og dyb læringsteknologi. Ved at kombinere geostationære satellitdata fra Cheollian 1 og 2 med numerisk modeldata har holdet ved Ulsan National Institute of Science and Technology (UNIST) udviklet en AI-prædiktionsmodel, der kan analysere tyfonoplysninger med præcision.
Traditionelt er tyfonforudsigelse udelukkende baseret på geostationære satellitdata, hvilket fører til tidskrævende analyser og afhængighed af usikkerheder i numeriske modeller. For at imødegå disse problemer har forskerholdet skabt en ‘Hybrid-CNN’-model, der integrerer realtids satellitdata og numerisk modeldata over perioder på 24, 48 og 72 timer.
Denne nye tilgang accelererer analyseprocessen, reducerer usikkerheden i numeriske modeller og forbedrer prædiktionsnøjagtigheden med op til 50%. Modellen har vist sig at levere enestående præstation endda under hurtig tyfonintensivering og viser dermed effektiviteten i at håndtere udfordrende scenarier.
Desuden har holdet udnyttet AI til at visualisere og kvantitativt analysere den automatiske vurdering af tyfonintensitet, hvilket hæver præcisionen af tyfonprognoser. Ved objektivt at udtrække miljømæssige faktorer, der påvirker ændringer i tyfonintensitet, kan resultaterne anvendes i operationelle prognosesystemer og muliggøre hurtig og præcis levering af tyfonoplysninger.
På sigt vil de objektive tyfonoplysninger, der leveres af denne avancerede teknologi, bidrage betydeligt til katastrofeberedskab og -forebyggelse, og hjælpe med at mindske de samfundsmæssige og økonomiske konsekvenser forårsaget af tyfoner.
Omdannelser af Tyfonforudsigelser gennem Avanceret Teknologi: Afdækning af Centrale Indsigter og Udfordringer
