Nuestras vidas dependen del clima. En cualquier momento en el Reino Unido, según un estudio, un tercio del país ha hablado sobre el tiempo en la última hora, reflejando la importancia del tiempo en la vida diaria. Entre los fenómenos meteorológicos, la lluvia cobra especial importancia por su influencia en nuestras decisiones cotidianas. ¿Debería llevar un paraguas? ¿Cómo debemos encaminar los vehículos que experimentan fuertes lluvias? ¿Qué medidas de seguridad tomamos para eventos al aire libre? ¿Habrá una inundación?

Nuestras últimas investigaciones y el modelo más moderno avanza la ciencia de Previsión inmediata de precipitaciones, que es la predicción de lluvia (y otros fenómenos de precipitación) dentro de las próximas 1 o 2 horas. en un papel escrito en colaboración con Met Office y publicado en Nature, abordamos directamente este importante gran desafío en la predicción del tiempo. Esta colaboración entre la ciencia ambiental y la IA se centra en el valor para los tomadores de decisiones, abriendo nuevas vías para la predicción inmediata de la lluvia y señala las oportunidades para que la IA respalde nuestra respuesta a los desafíos de la toma de decisiones en un entorno en constante cambio.

Predicciones meteorológicas a corto plazo

A lo largo de la historia, la predicción del tiempo ha ocupado un lugar de importancia para nuestras comunidades y países. Meteorólogos medievales Comenzó usando las estrellas para hacer predicciones. Poco a poco se empezaron a mantener tablas que registraban las estaciones y los patrones de lluvia. Siglos después, Lewis Fry imaginó un ‘Fábrica de pronósticos‘ que utilizó la computación y las ecuaciones físicas de la atmósfera para predecir el clima global. En este libro en evolución sobre predicción del tiempo, ahora agregamos una historia sobre el papel del aprendizaje automático en la predicción.

Las predicciones meteorológicas de hoy están impulsadas por potentes predicción numérica del tiempo (PNT) sistemas. Al resolver ecuaciones físicas, las PNT proporcionan predicciones esenciales a escala planetaria con varios días de antelación. Sin embargo, tienen dificultades para generar predicciones de alta resolución para plazos de entrega cortos, inferiores a dos horas. Nowcasting llena la brecha de rendimiento en este intervalo de tiempo crucial.

La previsión inmediata es esencial para sectores como la gestión del agua, la agricultura, la aviación, la planificación de emergencias y eventos al aire libre. Los avances en la detección meteorológica han hecho que los datos de radar de alta resolución, que miden la cantidad de precipitación a nivel del suelo, estén disponibles con alta frecuencia (por ejemplo, cada 5 minutos con una resolución de 1 km). Esta combinación de un área crucial donde los métodos existentes luchan y la disponibilidad de datos de alta calidad brinda la oportunidad para que el aprendizaje automático contribuya a la predicción inmediata.

Modelos generativos para la predicción inmediata.

Nos centramos en la previsión inmediata de la lluvia: predicciones con hasta 2 horas de antelación que capturan la cantidad, el momento y la ubicación de la lluvia. Utilizamos un enfoque conocido como modelado generativo para realizar predicciones detalladas y plausibles de radares futuros basadas en radares anteriores. Conceptualmente, se trata de un problema de generación de películas de radar. Con estos métodos, podemos capturar con precisión eventos a gran escala y, al mismo tiempo, generar muchos escenarios de lluvia alternativos (conocidos como predicciones por conjuntos), lo que permite explorar la incertidumbre sobre las precipitaciones. Utilizamos datos de radar tanto del Reino Unido como de los EE. UU. en los resultados de nuestro estudio.

Estábamos especialmente interesados ​​en la capacidad de estos modelos para hacer predicciones sobre eventos de lluvia media a intensa, que son los eventos que más impactan a las personas y la economía, y mostramos mejoras estadísticamente significativas en estos regímenes en comparación con los métodos competidores. Es importante destacar que llevamos a cabo una evaluación de tareas cognitivas con más de 50 meteorólogos expertos de la Met Office, el servicio meteorológico nacional del reino unido, quienes calificaron nuestro nuevo enfoque como su primera opción en el 89% de los casos en comparación con los métodos de predicción inmediata ampliamente utilizados.lo que demuestra la capacidad de nuestro enfoque para brindar información a quienes toman decisiones en el mundo real.

Que sigue

Mediante el uso de análisis estadísticos, económicos y cognitivos pudimos demostrar un enfoque nuevo y competitivo para la predicción inmediata de las precipitaciones desde el radar. Ningún método está exento de limitaciones y se necesita más trabajo para mejorar la precisión de las predicciones a largo plazo y la precisión de eventos raros e intensos. El trabajo futuro requerirá que desarrollemos formas adicionales de evaluar el desempeño y especializar aún más estos métodos para aplicaciones específicas del mundo real.

Creemos que esta es un área de investigación interesante y esperamos que nuestro artículo sirva como base para nuevos trabajos al proporcionar datos y métodos de verificación que permitan brindar verificación competitiva y utilidad operativa. También esperamos que esta colaboración con Met Office promueva una mayor integración del aprendizaje automático y las ciencias ambientales, y apoye mejor la toma de decisiones en nuestro clima cambiante.

Lee el papel Predicción inmediata de precipitaciones utilizando modelos de radar generativos profundos en la edición del 30 de septiembre de 2021 de Nature, que contiene una discusión extensa sobre el modelo, los datos y el enfoque de verificación. También puede explorar los datos que utilizamos para la capacitación y encontrar un modelo previamente entrenado para el Reino Unido a través de GitHub.