Pesquisar
Estamos lançando o Weather Lab, apresentando nossas previsões experimentais de ciclones, e estamos em parceria com o Centro Nacional de Furacões dos EUA para apoiar suas previsões e avisos nesta temporada de ciclones.
Os ciclones tropicais são extremamente perigosos, colocando em risco vidas e comunidades devastadoras em seu rastro. E nos últimos 50 anos, eles causaram US $ 1,4 trilhão em perdas econômicas.
Essas vastas tempestades rotativas, também conhecidas como furacões ou tufões, formam -se sobre as águas quentes do oceano – alimentadas por calor, umidade e convecção. Eles são muito sensíveis a pequenas diferenças nas condições atmosféricas, tornando -as notoriamente difíceis de prever com precisão. No entanto, melhorar a precisão das previsões de ciclones pode ajudar a proteger as comunidades através de Preparação mais eficaz de desastres e evacuações anteriores.
Hoje, o Google DeepMind e o Google Research estão lançando o Weather Lab, um site interativo para compartilhar modelos climáticos de inteligência artificial (AI). O Weather Lab apresenta nosso mais recente modelo experimental de ciclone tropical experimental, baseado em redes neurais estocásticas. Esse modelo pode prever a formação, pista, intensidade, tamanho e forma de um ciclone – gerando 50 cenários possíveis, até 15 dias à frente.
Animação mostrando uma previsão do nosso modelo experimental de ciclone. Nosso modelo (em azul) previu com precisão os caminhos dos ciclones Honde e Garance, ao sul de Madagascar, na época em que estavam ativos. Nosso modelo também capturou os caminhos dos ciclones Jude e Ivone no Oceano Índico, quase sete dias no futuro, prevendo robustamente áreas de clima tempestuoso que acabariam por se intensificar nos ciclones tropicais.
Lançamos um Novo papel Descrevendo nosso modelo climático central e está fornecendo um arquivo no laboratório meteorológico de dados históricos de rastreamento de ciclones, para avaliação e backtesting.
Testes internos mostram que as previsões de nosso modelo para a faixa e a intensidade do ciclone são tão precisas quanto, e muitas vezes mais precisas do queAssim, Métodos baseados em física atuais. Estamos em parceria com o Centro Nacional de Furacões dos EUA (NHC), que avaliam os riscos de ciclone nas bacias do Atlântico e do Pacífico Leste, para validar cientificamente nossa abordagem e resultados.
Os analistas especialistas do NHC agora estão vendo previsões ao vivo de nossos modelos experimentais de IA, juntamente com outros modelos e observações baseados em física. Esperamos que esses dados possam ajudar a melhorar as previsões do NHC e fornecer avisos anteriores e mais precisos para riscos vinculados a ciclones tropicais.
Previsões de ciclones ao vivo e históricos do Weather Lab
Os shows meteorológicos são previsões de ciclones ao vivo e históricos para diferentes modelos climáticos de IA, juntamente com modelos baseados em física do Centro Europeu de Previsões Meteorológicas de Médio Candidato (ECMWF). Vários de nossos modelos climáticos de IA estão em tempo real: o gráfico de Weathernext, Weathernext Gen e nosso mais recente modelo de ciclone experimental. Também estamos lançando o Weather Lab com mais de dois anos de previsões históricas para especialistas e pesquisadores baixarem e analisarem, permitindo avaliações externas de nossos modelos em todas as bacias oceânicas.
Animação mostrando a previsão de nosso modelo para o ciclone Alfred quando era um ciclone de categoria 3 no mar de corais. A previsão média do modelo do modelo (linha azul ousada) previsto corretamente o rápido enfraquecimento de Cyclone Alfred ao status tropical da tempestade e eventual aterrissagem perto de Brisbane, Austrália, sete dias depois, com uma alta probabilidade de desembarque em algum lugar ao longo da costa de Queensland.
Os usuários do Weather Lab podem explorar e comparar as previsões de vários modelos baseados em IA e física. Quando lidos juntos, essas previsões podem ajudar as agências climáticas e os especialistas em serviços de emergência antecipando melhor o caminho e a intensidade de um ciclone. Isso poderia ajudar especialistas e tomadores de decisão a se prepararem melhor para diferentes cenários, a compartilhar notícias de riscos envolvidos e apoiar as decisões para gerenciar o impacto de um ciclone.
É importante enfatizar que o Weather Lab é uma ferramenta de pesquisa. As previsões ao vivo mostradas são geradas por modelos ainda em desenvolvimento e não são avisos oficiais. Lembre -se disso ao usar a ferramenta, inclusive para apoiar as decisões com base nas previsões geradas pelo Weather Lab. Para previsões e avisos oficiais, consulte sua agência meteorológica local ou Serviço Nacional de Meteorologia.
Previsões de ciclones movidas a IA
Na previsão de ciclones baseada em física, as aproximações necessárias para atender às demandas operacionais significam que é difícil para um único modelo se destacar na previsão de uma pista de um ciclone e sua intensidade. Isso ocorre porque a pista de um ciclone é governada por vastas correntes de direção atmosférica, enquanto a intensidade de um ciclone depende de processos turbulentos complexos dentro e ao redor de seu núcleo compacto. Os modelos globais de baixa resolução têm melhor desempenho na previsão de faixas de ciclone, mas não capturam os processos em escala fina que ditam a intensidade do ciclone, e é por isso que são necessários modelos regionais de alta resolução.
Nosso modelo de ciclone experimental é um sistema único que supera esse trade-off, com nossas avaliações internas mostrando precisão de ponta para trilha e intensidade do ciclone. É treinado para modelar dois tipos distintos de dados: um vasto conjunto de dados de reanálise que reconstrói o clima passado sobre toda a Terra a partir de milhões de observações e um banco de dados especializado que contém informações importantes sobre a faixa, intensidade, tamanho e raios eólicos de quase 5.000 ciclones observados nos últimos 45 anos.
Modelando os dados de análise e os dados do ciclone juntos melhora bastante os recursos de previsão do ciclone. Por exemplo, nossas avaliações iniciais dos dados de furacões observados pelo NHC, nos anos de teste 2023 e 2024, nas bacias do Atlântico Norte e do Pacífico Leste, mostraram que a previsão de trilhos de ciclone de 5 dias do modelo é, em média, 140 km mais perto da verdadeira localização do ciclone que o Ens. Isso é comparável à precisão das previsões de 3,5 dias da ENS-uma melhoria de 1,5 dias que normalmente tomou mais de uma década para alcançar.
Enquanto os modelos anteriores do clima de IA têm se esforçado para calcular a intensidade do ciclone, nosso modelo de ciclone experimental superou o erro médio de intensidade da administração nacional oceânica e atmosférica (NOAASistema de Análise e Previsão de Hurricane do)) (HAFS), um dos principais modelo regional e baseado em física de alta resolução. Os testes preliminares também mostram que as previsões de tamanho e os raios eólicos do nosso modelo são comparáveis às linhas de base baseadas na física.
Aqui, visualizamos erros de previsão de faixa e intensidade e mostramos os resultados da avaliação do desempenho médio de nosso modelo de ciclone experimental com até cinco dias de antecedência, em comparação com o ENS e o HAFS.
Avaliações das previsões de pista e intensidade do modelo de ciclone experimental em comparação com os principais modelos baseados em física ENS e HAFS-A. Nossas avaliações usam as melhores faixas do NHC como verdade fundamental e seguem seu protocolo de verificação homogêneo.
Dados mais úteis para tomadores de decisão
Além do NHC, trabalhamos em estreita colaboração com o Instituto Cooperativo de Pesquisa na atmosfera (CIRA) na Universidade Estadual do Colorado. A Dra. Kate Musgrave, cientista da CIRA Research, e sua equipe avaliaram nosso modelo e descobriram que “tem” habilidade comparável ou maior do que os melhores modelos operacionais para pista e intensidade “. Musgrave afirmou: “Estamos ansiosos para confirmar esses resultados de previsões em tempo real durante a temporada de furacões de 2025”. Também estamos trabalhando com o Reino Unido Met OfficeAssim, Universidade de TóquioJapão WEATHERNEWS INC. e outros especialistas para melhorar nossos modelos.
Nosso novo modelo experimental de ciclone tropical é o mais recente marco em nossa série de pesquisas pioneiras no Weathernext. Ao compartilhar nossos modelos de clima de IA com responsabilidade por meio do Weather Lab, continuaremos a reunir um feedback importante da agência meteorológica e especialistas em serviços de emergência sobre como nossa tecnologia pode melhorar as previsões oficiais e informar as decisões de salva-vidas.
Agradecimentos
Esta pesquisa foi co-desenvolvida pelo Google DeepMind e Google Research.
Gostaríamos de agradecer ao NHC da NOAA, CIRA, Reino Unido, Met Office, Universidade de Tóquio, Weatherws Inc. do Japão, Bryan Norcross no Fox Weather e nossos outros parceiros de testadores confiáveis que compartilharam feedback inestimável em todo o desenvolvimento do laboratório de clima.
