In de zoektocht naar een beter begrip van klimaatverandering, er is genoeg dat we nog niet weten. Maar de vraag is niet of er al dan niet klimaatverandering plaatsvindt. "Wat we soms op het nieuws horen, is politiek gefabriceerde onzekerheid, " zei Auroop Ganguly, een professor in civiele en milieutechniek aan Northeastern.

In plaats daarvan, echte onzekerheid over klimaatverandering komt voort uit de uitdaging om de toekomst te simuleren. Wat gebeurt er met het elektriciteitsnet van Boston onder langdurige extreme weersomstandigheden? Hoe zou een elektriciteitscentrale in Phoenix worden beïnvloed door afnemende regionale hulpbronnen? Wanneer moet Atlanta investeren in het vernieuwen van zijn waterinfrastructuur?

Huidige modellen zijn goed in het projecteren van regionale trends. Maar om ons adequaat voor te bereiden op de toekomstige effecten van klimaatverandering, wetenschappers moeten inzoomen op kwetsbare locaties zoals kuststeden, bedreigde ecosystemen, en andere specifieke sites.

In een paper die deze week werd gepresenteerd op de conferentie van de Association for Computing Machinery voor kennisontdekking en datamining, onderzoekers schetsten een nieuwe strategie om precies dat te doen.

Thomas Vandal is een doctoraatsstudent in civiele en milieutechniek aan Northeastern en hoofdauteur van het artikel, die werd bekroond met Runner-Up voor Best Paper in de Applied Data Science-track. Vandal werkte samen met Evan Kodra, de CEO van Northeastern spin-out risQ, en NASA Ames-medewerkers Sangram Ganguly, Andreas Michaelis, en Ramakrishna Nemani, en zijn adviseur Auroop Ganguly, om een ​​systeem te ontwikkelen dat inzoomt op klimaatgegevens om projecties met een hogere resolutie te produceren.

Kunstmatige hersenen leren om te leren

Het klimaat simuleren is een oefening in tijdreizen. Om de toekomst te voorspellen, onderzoekers moeten eerst de balans opmaken van het verleden, met andere woorden, ze anticiperen voordat ze kunnen voorspellen.

Vandal bezocht het NASA Ames Research Center waar hij historische klimaatdatasets verzamelde en analyseerde die variabelen meten zoals temperatuur, regenval, en geografische hoogte, evenals de uitgebreide satellietgegevens van NASA. Om deze kolossale hoeveelheid gegevens te ruziën, Vandaal gebruikte een machine bij NASA Ames genaamd Pleiades, een van 's werelds krachtigste supercomputers.

Het doel van het team was om een ​​raamwerk te creëren voor het verkleinen of inzoomen op historische klimaatdatasets. Dit zou wetenschappers in staat stellen om meer gedetailleerde, gelokaliseerde klimaatprojecties.

De onderzoekers maakten gebruik van geavanceerde deep learning-technologieën. Deep learning is een innovatie van kunstmatige neurale netwerken - een computersysteem dat losjes is gebaseerd op biologische zenuwstelsels. Deep learning stelt kunstmatige neurale netwerken in staat patronen te herkennen en taken uit te voeren.

Vandaal, die zich bij Northeastern aansloot nadat hij voor meerdere startups in de omgeving van Boston had gewerkt, heeft in de industrie een verwante technologie gebruikt die machine learning wordt genoemd voor analyse van gezichtsuitdrukkingen en emotieherkenning. Maar na een ontmoeting met Auroop Ganguly, hij besefte dat de technologie een meer deugdzaam pad kon inslaan door een verschil te maken in de klimaatwetenschap, een gebied waar hij veel om geeft.

"In plaats van machine learning te gebruiken om mensen op advertenties te laten klikken of paginaweergaven te maximaliseren, Ik besloot dat het oplossen van problemen in de klimaatwetenschap een beter gebruik van mijn vaardigheden en tijd was, ' zei Vandaal.

Het resultaat van het onderzoek van het team is een raamwerk genaamd DeepSD, wat staat voor deep learning-based statistische downscaling. Het systeem helpt bij het in beeld brengen van ongelijksoortige klimaatdatasets met verschillende mate van detail.

"Deze verkleinde datasets zullen van enorme waarde zijn voor klimaatonderzoekers en eco-klimatologische modelbouwers die alles willen bestuderen, van de impact van ecosystemen tot klimaatveranderingen voor toekomstige opwarmingsscenario's, " zei Sangram Ganguly, een van de co-auteurs van de studie en een senior onderzoeker bij het Bay Area Environmental Research Institute van het NASA Ames Research Center.

En dit is nog maar het begin. Vandal gelooft dat het DeepSD-concept kan worden gebruikt om verschillende klimaatproblemen op te lossen, van het volgen van extreem weer tot het met meer vertrouwen voorspellen van rampen. In de wereld van de informatica, de technologie staat nog in de kinderschoenen.

"Het veld van de informatica verandert heel snel, "Auroop Ganguly zei. "Een jaar is als een geologische leeftijd in sommige andere gebieden."