Big data en datamining hebben gezorgd voor verschillende doorbraken op gebieden als gezondheidsinformatica, slimme steden en marketing. Dezelfde technieken, echter, hebben geen consistente belangrijke bevindingen voor klimaatverandering opgeleverd.

Er zijn een paar redenen waarom. De belangrijkste is dat eerdere datamining in de klimaatwetenschap, en in het bijzonder bij de analyse van klimaatteleverbindingen, heeft vertrouwd op methoden die nogal simplistische "ja of nee" antwoorden bieden.

"Het is niet zo eenvoudig in het klimaat, " zei Annalisa Bracco, een professor in Georgia Tech's School of Earth and Atmospheric Sciences. "Zelfs zwakke verbindingen tussen zeer verschillende regio's op de wereld kunnen het gevolg zijn van een onderliggend fysiek fenomeen. Het opleggen van drempels en het weggooien van zwakke verbindingen zou alles stoppen. In plaats daarvan zou de expertise van een klimaatwetenschapper is de belangrijkste stap om overeenkomsten te vinden tussen zeer verschillende datasets of velden om te onderzoeken hoe robuust ze zijn."

En met miljoenen datapunten verspreid over de hele wereld, Bracco zei dat de huidige modellen te veel afhankelijk zijn van menselijke expertise om de output te begrijpen. Zij en haar collega's wilden een methodologie ontwikkelen die meer afhangt van feitelijke gegevens dan van de interpretatie van een onderzoeker.

Daarom heeft het Georgia Tech-team een ​​nieuwe manier ontwikkeld om data uit klimaatdatasets te delven, die meer op zichzelf staat dan traditionele tools. De methodologie brengt overeenkomsten van datasets naar voren zonder zoveel expertise van de gebruiker, waardoor wetenschappers de gegevens kunnen vertrouwen en robuustere en transparantere resultaten kunnen krijgen.

De methodologie is open source en momenteel beschikbaar voor wetenschappers over de hele wereld. De Georgia Tech-onderzoekers gebruiken het al om de temperatuur van het zeeoppervlak en gegevens over wolkenvelden te onderzoeken. twee aspecten die het klimaat op aarde ingrijpend beïnvloeden.

"Er zijn zoveel factoren:cloudgegevens, aërosolen en windvelden, bijvoorbeeld - die op elkaar inwerken om klimaat te genereren en klimaatverandering te stimuleren, " zei Athanasios Nenes, een andere klimaatprofessor van het College of Sciences over het project. "Afhankelijk van het modelaspect waarop u zich richt, ze kunnen klimaatkenmerken effectief reproduceren - of helemaal niet. Soms is het heel moeilijk te zeggen of het ene model echt beter is dan het andere of dat het klimaat om de juiste redenen voorspelt."

Nenes zegt dat de Georgia Tech-methodologie alles op een meer robuuste manier bekijkt, het doorbreken van de bottleneck die typisch is voor andere modelevaluatie- en analysealgoritmen. De methodiek, hij zegt, kan worden gebruikt voor observaties, en wetenschappers hoeven niets te weten over computercode en -modellen.

"De methodologie reduceert de complexiteit van miljoenen datapunten tot de essentie - soms maar 10 regio's die met elkaar communiceren, " zei Nenes. "We hebben tools nodig die de complexiteit van de modeluitvoer verminderen om ze beter te begrijpen en te evalueren of ze de juiste resultaten leveren om de juiste redenen."

Om de methodiek te ontwikkelen, de klimaatwetenschappers werkten samen met Constantine Dovrolis en andere datawetenschappers in Georgia Tech's College of Computing. Dovrolis zei dat het opwindend is om algoritmisch en computationeel denken toe te passen in problemen die iedereen op belangrijke manieren treffen, zoals de opwarming van de aarde."

"Klimaatwetenschap is een 'data-zware' discipline met veel intellectueel interessante vragen die kunnen profiteren van computationele modellering en voorspelling, " zei Dovrolis, een professor aan de School of Computer Science, "Cross-disciplinaire samenwerkingen zijn in het begin een uitdaging - elke discipline heeft zijn eigen taal, voorkeursbenadering en onderzoekscultuur, maar ze kunnen uiteindelijk heel lonend zijn."

De krant, "Klimaatwetenschap bevorderen met kennisontdekking door middel van datamining, " is gepubliceerd in Klimaat- en atmosferische wetenschap .