پیش‌بینی کوتاه‌مدت با هوش مصنوعی؛ تحولی در پیش‌بینی هوا

هوش مصنوعی می‌تواند دقت پیش‌بینی‌های کوتاه‌مدت یا Nowcasting را که از چند دقیقه تا چند ساعت آینده را پوشش می‌دهد، به‌طور قابل توجهی افزایش دهد. این پیشرفت به کاهش تلفات و خسارات ناشی از پدیده‌های جوی شدید کمک می‌کند.

چالش رویدادهای جوی ناگهانی

بسیاری از پدیده‌های شدید مانند طوفان‌های تندری و بارش‌های سنگین ناگهانی ایجاد می‌شوند و به‌سرعت شدت می‌گیرند. این رویدادها اغلب از محدوده پیش‌بینی‌های کوتاه‌مدت سنتی خارج می‌شوند.
با وجود آنکه از نظر زمانی و مکانی محدودند، اما می‌توانند موجب سیلاب‌های ناگهانی و خسارات سنگین شوند و زندگی و فعالیت اقتصادی را مختل کنند.

نقش حیاتی پیش‌بینی کوتاه‌مدت

پیش‌بینی کوتاه‌مدت با استفاده از داده‌های لحظه‌ای رادارها، ماهواره‌ها و دیگر سامانه‌های مشاهده، اطلاعات فوری از شرایط هوا ارائه می‌دهد.
این روش، امکان صدور هشدارهای سریع را فراهم می‌کند و با اطلاع‌رسانی به‌موقع، تلفات انسانی و خسارات اقتصادی را کاهش می‌دهد.

گذار از مدل‌های فیزیکی به مدل‌های داده‌محور

پیش‌بینی عددی هوا سال‌ها بر پایه‌ی مدل‌های فیزیکی استوار بوده است. اما با رشد هوش مصنوعی، مدل‌های داده‌محور به وجود آمده‌اند که دقت پیش‌بینی‌های کوتاه‌مدت تا میان‌مدت را به‌طور چشمگیری افزایش داده‌اند.

پروژه‌ی جهانی هوش مصنوعی برای پیش‌بینی کوتاه‌مدت

برای گسترش کاربرد عملی این فناوری، «سامانه‌ی یکپارچه‌ی پردازش و پیش‌بینی سازمان جهانی هواشناسی» (WIPPS) با همکاری «برنامه‌ی پژوهش جهانی هواشناسی» (WWRP)، پروژه‌ی آزمایشی «هوش مصنوعی برای پیش‌بینی کوتاه‌مدت» (AINPP) را آغاز کرده است.

کارگاه بین‌المللی در جزیره ججو

در چارچوب این پروژه، سازمان جهانی هواشناسی (WMO) با همکاری سازمان هواشناسی کره (KMA) از ۲۴ تا ۲۶ سپتامبر کارگاهی در جزیره‌ی ججو برگزار کرد.
بیش از ۷۰ کارشناس از سازمان‌های هواشناسی، دانشگاه‌ها و شرکت‌های فناوری مانند Google، Microsoft و NVIDIA در این رویداد حضور داشتند.

دکتر «دیوید جان گِین» از مرکز ملی پژوهش‌های جوی (NCAR) گفت:
«توسعه‌ی سریع هوش مصنوعی در پیش‌بینی کوتاه‌مدت گامی مهم در ساخت جوامع مقاوم در برابر آب‌و‌هوای شدید است.»

او تأکید کرد: «همکاری میان پژوهش و عملیات، انتقال عادلانه فناوری و مشارکت همگانی می‌تواند پایه‌ای برای پیش‌بینی‌های دقیق‌تر و سریع‌تر باشد که جان انسان‌ها را نجات می‌دهد.»

تمرکز بر انتقال فناوری و عدالت اقلیمی

در کارگاه، راهبردهایی برای انتقال فناوری هوش مصنوعی به خدمات عملیاتی به‌ویژه در کشورهای درحال‌توسعه بررسی شد.
همچنین بر تدوین دستورالعمل‌های فنی، انتشار کدهای متن‌باز و استفاده از محیط‌های کانتینری مانند Docker برای اجرای آسان‌تر مدل‌ها تأکید گردید.

یکی از محورهای کلیدی، تقویت مراکز منطقه‌ای پیش‌بینی کوتاه‌مدت بود تا نوآوری‌های نوین به ابزارهای عملی برای پیش‌بینان در سراسر جهان تبدیل شوند.

روندهای جدید در هوش مصنوعی برای پیش‌بینی هوا

در کنار کارگاه، سمینار KMA درباره‌ی مدل‌های پایه در تاریخ ۲۲ و ۲۳ سپتامبر برگزار شد که تازه‌ترین دستاوردهای هوش مصنوعی در حوزه‌ی هوا و اقلیم را معرفی کرد.

بر اساس نتایج کارگاه، چند روند اصلی در حال شکل‌گیری است:

• گذار از مدل‌های ConvLSTM به مدل‌های Transformer و Diffusion
• ترکیب داده‌های چندمنبعی
• استفاده از مدل‌های احتمالاتی (Ensemble)
• پیوند پیش‌بینی‌های کوتاه‌مدت با بازه‌های میان‌مدت
• گسترش معیارهای ارزیابی عملکرد
• بهینه‌سازی برای عملیات بلادرنگ (Real-time).

نمونه‌ای از پیشرفت واقعی

یکی از نمونه‌های موفق، مدل NowAlpha-Diff سازمان KMA است.
این مدل توانسته خطای رایج جهت باد از غرب به شمال‌شرق را اصلاح کند و پیش‌بینی حرکت جوی را تا شش ساعت آینده با دقت بسیار بالاتری انجام دهد.

دنبال اخبار بیشتر باشید…

برای آگاهی از تازه‌ترین خبرها، تحلیل‌ها در حوزه هوش مصنوعی ، به سایت خانه متاورس ایران مراجعه کنید.