Elke lente, onderzoekers publiceren hun verwachte voorspellingen van het komende orkaanseizoen - hoeveel stormen zich kunnen vormen, en hoe ernstig ze kunnen zijn. Maar wat als u deze prognoses tot anderhalf jaar van tevoren zou kunnen maken? Een nieuw model van de North Carolina State University bevat machine learning om orkaanvoorspellingen op lange termijn te maken met een vergelijkbare nauwkeurigheid als de huidige.

De meeste orkaanvoorspellingen voor het seizoen worden gedaan met behulp van statistische modellen die gebruikmaken van geoptimaliseerde gegevens van de luchtdruk op zeeniveau, zeewatertemperaturen en andere historische klimatologische gegevens. Echter, deze voorspellingen zijn gemaakt op basis van tijdreeksgegevens, wat betekent dat ze klimatologische metingen van één locatie gebruiken of gemiddeld zijn over een bepaald gebied en een bepaalde tijdsperiode.

"Tijdreeksgegevens zijn eendimensionaal - ze bevatten geen ruimtelijke informatie, verandert alleen in de loop van de tijd, " zegt Lian Xie, hoogleraar marine, aard- en atmosferische wetenschappen bij NC State en corresponderende auteur van een paper waarin het werk wordt beschreven.

"We keken naar de tijdreeksen van elke voorspeller op een locatie die elk jaar gemiddeld over een bepaalde periode anomalieën van de zeeoppervlaktetemperatuur gemiddeld over sommige delen van de tropische Stille Oceaan in februari, " zegt Xie. "In tegenstelling, het nieuwe model kijkt naar gegevens afkomstig van veel specifieke locaties, en voor elke locatie, het gebruikt twee datapunten per maand, wat een belangrijke ruimtelijke component toevoegt aan de prognose."

"Orkaansystemen zijn waanzinnig complex, " zegt co-auteur Hamid Krim, hoogleraar elektrische en computertechniek bij NC State. "We weten dat wat er op verre locaties gebeurt, invloed zal hebben op andere plaatsen door de connectiviteit van weersystemen. Dus een ruimtelijk-temporeel model geeft ons een veel nauwkeuriger beeld van de dynamiek van een orkaansysteem."

Het nieuwe model bevat historische gegevens van verre meteorologische gebeurtenissen zoals El Niño en La Niña, evenals gegevens van meerdere locaties op verschillende tijdstippen. Om het model te trainen, de onderzoekers gebruikten halfmaandelijkse gegevens van 1951 tot 2010.

De onderzoekers willen het nieuwe model gebruiken om geaccumuleerde cycloon-energie te voorspellen, of ACE, om te voorspellen hoe actief een komend seizoen kan zijn.

"ACE is een andere manier om te meten hoe actief een orkaanseizoen is, meer dan alleen maar proberen een aantal stormen te geven, " zegt Xie. "Het berekent de hoeveelheid kinetische energie die elke orkaan heeft van begin tot einde over het volledige seizoen. De som van al die energie is ACE.

"Terwijl ACE meestal sterk gecorreleerd is met het aantal orkanen, bijvoorbeeld, een actief seizoen zal een hoge ACE hebben - er kunnen verschillen zijn, Xie zegt. "Een seizoen met één langdurige sterke orkaan en een paar kleinere zou dezelfde ACE kunnen hebben als een seizoen met een groter aantal orkanen op middelhoog niveau. Dus de tellingen kunnen verschillen terwijl de ACE hetzelfde is, maar de algemene bepaling van een seizoen als actief of inactief zal meestal consistent zijn met die bepaald door orkaantellingen."

De onderzoekers valideerden hun nieuwe model in tijdvensters van drie, zes, negen, 12 en 18 maanden tegen zeven jaar orkaangegevens. Voor alle voorspellingen toonde het model een nauwkeurigheid die vergelijkbaar is met die van modellen die momenteel in gebruik zijn. Voor het komende seizoen 2021, ze zijn van plan een combinatie te gebruiken van zowel traditionele prognoses als het nieuwe model, meer gericht op ACE dan alleen op aantallen stormen.

Xie zegt dat de eerste resultaten voor de langetermijnprognoses er veelbelovend uitzien.

"Er zitten natuurlijk fouten in het model, maar de nauwkeurigheid is vergelijkbaar met andere voorspellingen, met het voordeel van een langere doorlooptijd, "zegt Xie. "Dit is eigenlijk nog maar het beginpunt. We hopen dat we het in de loop van de tijd kunnen blijven verbeteren."

"Ik zou eraan willen toevoegen dat de uitdaging is om eerst de complexe langetermijninteracties van de verschillende factoren beter te begrijpen, en leg ze dan wiskundig vast, ' zegt Krim.

Het werk verschijnt in Atmosfeer .