ニュース

Apr 20, 2023

新しい方法で極端な現象をより正確に予測

NEW YORK, NY – Con l’aumento degli eventi meteorologici estremi, questi stanno diventando sempre più gravi.

ニューヨーク州ニューヨーク — 気候温暖化で異常気象が頻繁に発生する中、世界中の農家から都市住民、企業に至るまで、私たち全員にとって正確な予測がますます重要になっています。 これまでの気候モデルは、降水量、特に極端な降水量を正確に予測できませんでした。 自然界では降水量は変動し、極端な降水量も多くありますが、気候モデルは小雨に偏り、降水量の変動がより小さくなると予測します。

研究者たちが取り組んできたしかし、コロンビアエンジニアリングの気候科学者が報告しているように、従来の気候モデルのパラメータ化には情報が欠落しており、雲の構造と組織を記述する方法は、非常に細かいスケールで捕捉できないものでした。使用されている計算グリッド。 これらの組織測定は、降水強度とその確率性、つまり降水強度のランダムな変動の変動性の両方の予測に影響を与えます。 これまで、クラウドの構造を測定し、その影響を定量化する効果的かつ正確な方法はありませんでした。

人工知能と物理学 (LEAP) センターのディレクターであるピエール ジャンティーヌが率いるチームによる新しい研究では、地球規模の嵐解決シミュレーションと機械学習を使用して、2 つの異なるスケールの雲に個別に対処できるアルゴリズムを作成しました。組織: 気候モデルによって解決されるものと、小さすぎるために解決できないもの。 この新しいアプローチは、従来の気候モデルのパラメータ化で欠落していた情報に対処し、降水強度と変動性をより正確に予測する方法を提供します。

「科学界は長年にわたり、雲の組織を気候モデルに含めるべきかどうかについて議論してきたため、私たちの発見は特に刺激的です」と地球環境工学部地球物理学教授のジェンティン氏、モーリス・ユーイング氏、J・ラマー・ウォーゼル教授は述べた。環境科学を専攻し、データサイエンス研究所のメンバー。 「私たちの研究は議論への答えと、組織を含めるための新しい解決策を提供し、この情報を含めることで降水強度と変動性の予測を大幅に改善できることを示しています。」

Gentine と協力している博士課程の学生である Sarah Shamekh は、降水における細かいスケールの雲組織 (未解決のスケール) の役割に関する関連情報を学習するニューラル ネットワーク アルゴリズムを開発しました。 Shamekh は事前に指標や式を定義しなかったため、モデルは組織の指標である雲のクラスタリングを測定する方法を暗黙的に学習し、この指標を使用して降水量の予測を改善します。 Shamekh は、高解像度の水分場でアルゴリズムを訓練し、小規模組織の程度をエンコードしました。

PNASが発表したこの研究の筆頭著者であるシャメク氏は、「私たちの組織の指標が降水量の変動性をほぼ完全に説明し、気候モデルにおける確率論的なパラメータ化に取って代わることができることを発見した」と述べた。 「この情報を含めることで、気候モデルに関連するスケールでの降水量予測が大幅に改善され、極端な降水量と空間変動を正確に予測できるようになりました。」

研究者らは現在、サブグリッドクラウド組織メトリクスを暗黙的に学習する機械学習アプローチを気候モデルで使用している。 これにより、極端な降水現象を含む降水強度と変動性の予測が大幅に改善され、科学者は温暖化気候における将来の水循環の変化や極端な気象パターンをより適切に予測できるようになります。

この研究はまた、大気中に最近の気象状況に関する情報が保持され、その後の気候システムの大気状況に影響を与える、降水が記憶を生み出す可能性を探るなど、調査のための新たな道も切り開きます。 この新しいアプローチは、降水モデリングだけでなく、氷床や海面のより適切なモデリングなど、幅広い用途に応用できる可能性があります。

- このプレスリリースはもともとコロンビア大学工学応用科学部のウェブサイトに掲載されたものです。