Прогнозы экстремальных погодных явлений: алгоритм «подталкивает» существующие климатические модели ближе к будущей реальности

Исследователи из MIT разработали метод коррекции прогнозов глобальных климатических моделей, которые работают с низким пространственным разрешением. Новый подход, сочетающий машинное обучение и теорию динамических систем, «подталкивает» симуляции моделей к более реалистичным паттернам в крупных масштабах. Это позволяет получать более точные оценки частоты экстремальных погодных явлений, таких как тропические циклоны или наводнения, в конкретных локациях на десятилетия вперед.

Точность оценки рисков экстремальных погодных явлений для отдельных городов или регионов напрямую зависит от качества прогнозов крупномасштабных климатических моделей. Новый метод, будучи универсальным, может применяться к любой глобальной модели. После коррекции такие модели способны точнее определять, где и как часто будут происходить экстремальные явления по мере роста глобальных температур, что критически важно для адаптации, инженерных решений и обеспечения продовольственной безопасности.

«Если у нас есть возможность точно знать, как изменится экстремальная погода, особенно в конкретных местах, это может иметь огромное значение с точки зрения подготовки и разработки правильных инженерных решений», — говорит профессор Теемистоклис Сапсис. В отличие от традиционных попыток исправить исходные уравнения модели, новый алгоритм учится на исторических данных, выявляя динамические взаимосвязи между погодными параметрами, и корректирует непосредственно выходные данные модели, улучшая её статистику по редким событиям.