Come vengono valutati e cosa significa questo per il futuro delle previsioni meteorologiche?
Hai mai controllato le previsioni del tempo per il fine settimana e fatto programmi, solo per essere sorpreso dalla pioggia? Allora potresti esserti chiesto quale sia l'affidabilità delle previsioni meteorologiche.
Prevedere il tempo è difficile. L'atmosfera è un sistema caotico con molte incognite. I modelli meteorologici tradizionali richiedono metodi numerici complessi per prevedere lo stato futuro dell’atmosfera.
Negli ultimi cinquant'anni, i servizi meteorologici hanno creato un archivio meteorologico di dati di rianalisi. Basato su osservazioni satellitari, stazioni meteorologiche a terra e previsioni meteorologiche numeriche, questo archivio rappresenta il tempo passato al meglio delle nostre conoscenze.
La rivoluzione dell’intelligenza artificiale nelle previsioni meteorologiche
Cinque anni fa è iniziata la rivoluzione dell’intelligenza artificiale nelle previsioni meteorologiche. Utilizzando gli archivi meteorologici degli ultimi 50 anni, i ricercatori hanno sviluppato Modelli di intelligenza artificiale per prevedere il tempo.
Questi modelli apprendono i modelli meteorologici dai dati di addestramento. In deduzione, prendono lo stato attuale dell’atmosfera e producono lo stato futuro. Questo può essere applicato in modo iterativo, consentendo al modello di effettuare previsioni per diversi giorni.
I modelli meteorologici AI operano tipicamente con una risoluzione spaziale di 25 chilometri, che è la risoluzione spaziale dei dati di addestramento. In contrasto, modelli meteorologici numerici ad alta risoluzione operano ad una risoluzione spaziale di 9 chilometri.
Per le previsioni meteorologiche AI a medio termine, fino a 10 giorni in anticipo, il tipica risoluzione temporale sono sei ore.
Modelli meteorologici attuali dell'intelligenza artificiale
Gli ultimi due anni hanno visto un’esplosione di modelli meteorologici basati sull’intelligenza artificiale. IL Panchina Meteo progetto li valuta in modo esaustivo. Ci concentreremo qui su quei modelli che sono stati valutati in un contesto operativo, cioè inizializzati con gli stessi dati di una previsione meteorologica numerica.
Fonte: towardsdatascience.com
