Un grupo de investigadores en Corea del Sur ha logrado un avance innovador en la predicción de la intensidad de tifones mediante el uso de datos satelitales en tiempo real y tecnología de aprendizaje profundo. Al combinar datos satelitales geoestacionarios de Cheollian 1 y 2 con datos de modelos numéricos, el equipo del Instituto Nacional de Ciencia y Tecnología de Ulsan (UNIST) ha desarrollado un modelo de predicción de inteligencia artificial que puede analizar la información de tifones con precisión.
Tradicionalmente, la predicción de tifones se basa únicamente en datos satelitales geoestacionarios, lo que lleva a un análisis que consume mucho tiempo y dependencia de las incertidumbres de los modelos numéricos. Para abordar estos problemas, el equipo de investigación ha creado un modelo ‘Hybrid-CNN’ que integra datos satelitales en tiempo real y datos de modelos numéricos durante períodos de 24, 48 y 72 horas.
Este nuevo enfoque acelera el proceso de análisis, reduce la incertidumbre de los modelos numéricos y mejora la precisión de la predicción hasta en un 50%. El modelo ha demostrado brindar un rendimiento excepcional incluso durante la intensificación rápida de tifones, mostrando su eficacia en situaciones desafiantes.
Además, el equipo ha aprovechado la inteligencia artificial para visualizar y analizar de manera cuantitativa la estimación automática de la intensidad de los tifones, elevando la precisión de los pronósticos de tifones. Al extraer objetivamente los factores ambientales que influyen en los cambios de intensidad de los tifones, los hallazgos pueden aplicarse a sistemas de pronóstico operacional, permitiendo la provisión rápida y precisa de información sobre tifones.
Mirando hacia adelante, la información de tifones objetiva proporcionada por esta tecnología avanzada está preparada para contribuir significativamente a los esfuerzos de preparación y prevención de desastres, ayudando a mitigar los impactos societales y económicos causados por los tifones.