In het ruige terrein van het westen van de Verenigde Staten, waar bosbranden ongecontroleerd woeden, ontstaat er een verrassend verband met de tumultueuze luchten van het centrale deel van de VS. Een recente studie gepubliceerd in Advances in Atmospheric Sciences onderzoekt de intrigerende relatie tussen bosbranden in het Westen en hagelbuien in Centraal-Amerika.

De kern van dit baanbrekende onderzoek onder leiding van Jiwen Fan, die aan het Pacific Northwest National Laboratory werkte en momenteel aan het Argonne National Laboratory werkt, ligt in de innovatieve toepassing van machine learning (ML)-technieken om de verborgen link tussen ogenschijnlijk uiteenlopende verschijnselen te belichten.

Machine learning-algoritmen, waaronder Random Forest en Extreme Gradient Boosting, worden gebruikt om enorme datasets te analyseren die twee decennia beslaan, van 2001 tot 2020. Deze ML-modellen zijn getraind om het optreden van grote hagel in centrale staten van de VS te voorspellen op basis van een groot aantal variabelen. inclusief meteorologische omstandigheden in het brandgebied, windpatronen en kenmerken van bosbranden zelf.

Door nauwgezette analyse en gegevensverwerking bereiken de ML-modellen een opmerkelijke nauwkeurigheid, met voorspellingen die in sommige gevallen meer dan 90% bedragen. Door sleutelvariabelen en patronen te identificeren, onthullen deze modellen correlaties tussen bosbranden in het westen van de VS en hagelbuien in het midden van de VS, waardoor waardevolle inzichten worden verkregen in de verre gevolgen van bosbranden op zware weersomstandigheden duizenden kilometers verderop.

‘We zijn nu in staat een levendig beeld te schetsen van de ingewikkelde relatie tussen brand en hagel in het Amerikaanse landschap. Bosbranden in het westen van de VS oefenen een verreikende invloed uit op de atmosferische omstandigheden en bepalen het traject van zware weersomstandigheden duizenden kilometers verderop. –iets wat we nooit eerder hadden gedacht”, zei Dr. Jiwen Fan.

"Meteorologische variabelen zoals westenwind, de temperatuur en relatieve vochtigheid in het brandgebied en de intensiteit van bosbranden komen naar voren als hoofdrolspelers in deze klimaatsymfonie."

Toch zijn er te midden van het wonder van de ontdekking talloze uitdagingen. Pogingen om het dagelijkse aantal grote hagelgebeurtenissen te voorspellen onthullen de complexiteit van de grillen van de natuur en herinneren ons aan de onvoorspelbare aard van weersverschijnselen. Terwijl onderzoekers hun modellen blijven verfijnen en geconfronteerd worden met onevenwichtigheden in de gegevens, gaat de zoektocht naar inzicht verder.

Het gebruik van ML-technieken vertegenwoordigt een aanzienlijke vooruitgang in de atmosferische wetenschap, waardoor onderzoekers door complexe datasets kunnen navigeren en betekenisvolle patronen kunnen extraheren die mogelijk aan de traditionele statistische methoden zijn ontgaan.

Met ML als leidraad gaan wetenschappers op reis om de mysteries van de onderling verbonden systemen van de aarde te ontrafelen en de weg vrij te maken voor nauwkeurigere voorspellingen en proactieve maatregelen in het licht van de zich ontwikkelende klimaatdynamiek.

Meer informatie: Xinming Lin et al., Machine learning-analyse van de impact van branden in het Westen van de VS op hagelbuien in Centraal-Amerika, Vooruitgang in de atmosferische wetenschappen (2024). DOI:10.1007/s00376-024-3198-7

Journaalinformatie: Vooruitgang in de atmosfeerwetenschappen

Aangeboden door de Chinese Academie van Wetenschappen