Машинное обучение использовали для более точного прогнозирования наводнений в Новой Англии

Новое исследование Сэмюэля Муньоса из Северо-Восточного университета и аспирантки Линдси Лоуренс, опубликованное в Geophysical Research Letters, использует машинное обучение для построения «самоорганизующихся карт». Эти карты выявили четыре конкретных паттерна атмосферного давления, температуры и влажности почвы, которые приводят к наводнениям в Новой Англии. Этот прорыв в моделировании погоды позволит лучше прогнозировать паводки, особенно в условиях потепления климата.

Новая Англия — регион со сложной топографией, густой сетью небольших рек и разнообразными источниками осадков, что делает математическое моделирование наводнений крайне трудной задачей. Существующие погодные модели имеют слишком крупный масштаб (ячейки ~100 км), чтобы точно предсказывать локальные осадки. Машинное обучение помогло преодолеть эту проблему, сгруппировав данные о наводнениях с 1979 года и выявив ключевые атмосферно-почвенные условия.

Исследование также демонстрирует сезонность выявленных паттернов: три из них характерны для конца зимы или ранней весны, а один — для лета. Метеорологи смогут использовать эти паттерны для более ранних предупреждений. Кроме того, привязка наводнений к конкретным условиям давления, температуры и влажности почвы позволит точнее оценить, как изменение климата повлияет на будущие паводки и засухи в регионе.