تغییرات ناگهانی آب ‌و هوا
آموزش‌های پیشرفته هوش مصنوعیاخبارداده کاوی و بیگ دیتارسانه‌هاویدیو

محققان دانشگاه استنفورد با کمک هوش مصنوعی از راز تغییرات ناگهانی آب ‌و هوا پرده برداشتند

    0
    مدت زمان مطالعه: ۴ دقیقه

    دانشمندان علت افزایش بارندگی‌های شدید در ایالت‌های غرب‌ میانه آمریکاو تغییرات ناگهانی آب ‌و هوا را با کمک رویکردی جدید در یادگیری ماشین کشف کردند. این الگوریتم همچنین به کمک دانشمندان آمد تا تغییرات بارندگی‌های سیل‌آسا و دیگر رویدادهای حدی آینده را پیش‌بینی کنند.

    خشکسالی تاریخی کالیفرنیا و سیلِ ویرانگرِ چین تنها گوشه‌ای از رخدادهای ناگوار آب و هوایی هستند که ویرانی‌های شدیدی به بار می‌آورند. دلایل وقوع رخدادهای شدید آب و هوایی پیچیده است و معمولاً درک خوبی از واکنش اقلیم‌ها به گرمایش جهانی وجود ندارد؛ این عوامل باعث شده‌اند تا آماده‌سازی برای این رخدادها کماکان چالش بزرگی پیش روی بشر باشد. محققان دانشگاه استنفورد موفق شدند یک ابزار یادگیری ماشین برای شناسایی علل وقوع بارش‌ شدید در غرب‌ میانه بسازند؛ بارش‌های غرب میانه علت وقوع نیمی از سیلاب‌های این کشور است. این محققان رویکرد خود را در مجله «ژئوفیزیکال ریسرچ لترزGeophysical Research Letters » منتشر کردند. این رویکرد از اولین نمونه‌هایی است که در تحلیل تغییرات دراز مدت رویداد‌های آب و هوایی حدی از فناوری هوش مصنوعی استفاده کرده و پیش‌بینی‌های دقیق‌تری ارائه می‌کند.

    پرده‌برداری از راز تغییرات ناگهانی آب ‌و هوا

    فرانسیس دونپورت، نویسنده اصلی پژوهش تغییرات ناگهانی آب ‌و هوا و دانشجوی دکتری زمین‌شناسی در دانشکده علوم زمین، انرژی، و محیط زیستِ دانشگاه استنفورد، (دانشکده زمین) است. وی می‌گوید: «می‌دانیم که سیلاب‌ها شدیدتر شده‌اند. [بنابراین] به دنبال راهی برای شناسایی علل افزایش بارش‌های حدی هستیم. این تحقیقات به نوبه خود می‌تواند به انجام پیش‌بینی‌‌های دقیق‌تر در مورد سیلاب‌های آتی کمک کند».

    در کنار پیامدهای دیگر، پیش‌بینی می‌شود گرمایش جهانی با ایجاد جوی گرم که رطوبت بیشتری را در خود نگه می‌دارد، افزایش بارش باران و برف را به همراه داشته باشد. دانشمندان بر این باورند که تغییرات آب و هوایی ممکن است تاثیرات دیگری نیز بر بارش‌ها داشته باشد، از جمله تغییر زمان و مکان وقوع طوفان. با این حال، دانشمندان کار سختی در شناسایی پیامدهای تغییرات اقلیمی دارند، زیرا مدل‌های اقلیمی جهانی لزوماً به قابلیت تفکیک مکانی [مناسب] برای مدل‌سازی رویدادهای حدی منطقه‌ای مجهز نیستند.

    استفاده از یادگیری ماشین

    نوآ دیفن‌باو، نویسنده دوم و استاد بنیاد کارا جِی در دانشکده علوم زمین، انرژی، و محیط زیست می‌گوید: «رویکرد جدیدِ استفاده از تکنیک‌های یادگیری ماشین، راه‌ را برای درک علل اصلی تغییرات آب و هوایی حدی و تغییرات ناگهانی آب ‌و هوا هموار می‌کند. این پیشرفت‌ها موجب می‌شوند جوامع و تصمیم‌گیرندگان در مواجهه با رویدادهای تاثیرگذار، از جمله رویدادهای حدی که تاکنون مشابه آن‌ها را تجربه نکرده‌ایم، از آمادگی بهتری برخوردار باشند».

    این دو پژوهشگر به بررسی نواحی بالادست (کوهستانی) حوضه آب‌ریز می‌سی‌سی‌پی و نواحی شرقی حوضه آب‌ریز میسوری پرداختند. این منطقه‌ی سیل‌خیز، که تقریباً ۹ ایالتِ آمریکا را در خود جای داده است، طی دهه‌های اخیر شاهد بارندگی‌های شدید و سیلاب‌های سهمگینِ متعددی بوده است. محققان با استفاده از داده‌های آب و هوایی موجود، تعداد روزهای پُرباران در این منطقه را از سال ۱۹۸۱ تا ۲۰۱۹ محاسبه کردند. آن‌ها موفق شدند برای تحلیل گرید‌داده‌ها، مانند عکس‌ها، یک الگوریتم یادگیری ماشینی‌طراحی کنند. سپس این دو محقق با کمک این الگوریتم، الگوهای جریان‌های جوی کلان مقیاسی را که منجر به بارش‌های شدید (بالای صدک ۹۵) می‌شوند، شناسایی کردند.

    داونپورت درباره الگوریتم شناسایی تغییرات ناگهانی آب ‌و هوا اینطور توضیح می‌دهد: «الگوریتم مورد استفاده ما، روزهای پرباران را با دقتی بالغ بر ۹۰ درصد شناسایی کرد؛ این دقت بسیار بالاتر از دقت مدل‌های است که پیش از این امتحان کرده بودیم».

    تغییرات ناگهانی آب ‌و هوا

    این نمودار، فراوانی روزهای پربارش منطقه غرب میانه و متوسط بارندگیِ دوره‌های پر‌بارش این منطقه را در بازه زمانی ۱۹۸۱ تا ۲۰۱۹ نشان می‌دهد.

    تغییرات ضعیف در گذشته

    یافته‌های بدست آمده از آموزش این الگوریتم نشان می‌دهد عوامل متعددی در افزایش باران‌های سیل‌آسای اخیر در منطقه غرب میانه دخیل هستند. اگرچه محققان خاطرنشان می‌کنند که تغییرات در سال‌های پیش‌ از ۱۹۸۰بسیار ضعیف تر بوده‌اند، اما طی قرن گذشته، الگوهای فشار جوی که منجر به بارش شدید در غرب میانه شده است، تکرار شده و تقریباً سالی یک روز افزایش داشته است.

    با این حال، محققان دریافتند زمانی که این الگوهای فشار تداوم داشته‌اند، میزان بارندگی‌ ناشی از آن‌ها به وضوح افزایش یافته است. در نتیجه، احتمال بارندگی‌های حدی در روزهایی که شاهد فشار جوی هستیم، نسبت به گذشته بسیار بیشتر است. داونپورت و دیفن‌باو همچنین متوجه شدند که افزایش شدت بارندگی در روزهای پرفشار، با افزایش شارِ رطوبتِ جوی خلیج مکزیک به سمت منطقه مورد مطالعه همراه بوده است و خلیج مکزیک رطوبت مورد نیاز برای بارندگی‌های شدید این منطقه را تامین کرده است.

    این محققان درنظر دارند رویکرد خود گسترش داده و تاثیر عوامل دیگر را بر بارش‌های شدید آتی بررسی کنند. آن‌ها همچنین امیدوارند از این ابزار برای تجزیه و تحلیل سایر مناطق و سایر رویدادهای حدی استفاده کرده و علل بارندگی‌های شدید، مانند بارندگی‌ جبهه‌های آب و هوای یا طوفان‌های گرمسیری، را پیدا کنند. اگر به این کاربردها دست پیدا کنیم، ابزایر در اختیار داریم که می‌تواند ارتباط تغییرات اقلیمی با رویدادهای آب و هوای حدی را تحلیل کند.

    دونپورت معتقد است: «اگرچه در اولین تحلیل، تنها منطقه غرب میانه را بررسی کردیم، اما رویکردِ ما  این قابلیت را دارد تا برای شناخت بهتر رویدادهای حدی در سطح گسترده‌تر و در مناطق دیگر نیز استفاده شود. این تحقیقات به جوامع کمک می‌کند برای مقابله با تأثیرات تغییرات اقلیمی آماده باشند».

    جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

    این مطلب چه میزان برای شما مفید بوده است؟
    [کل: ۰ میانگین: ۰]

    کنفرانس بین المللی الگوریتم ها، یادگیری ماشین و پردازش سیگنال در سانیا، چین (آنلاین) ۲۰۲۱

    مقاله قبلی

    استفاده از هوش مصنوعی در کسب و کارها ؛ توصیه اندرو ان‌جی

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *