Judah Cohen是土木与环境工程系的气候学家和访问科学家,专注于改进季节性天气预报科学,特殊是冬季预报,让许多人焦急(或热切)等待。科恩目前正在研究积雪和海冰变化对冬季气候的影响,以及北极变暖如何影响全球的冬季天气。他还拥有一个活跃的Twitter帐户和博客,在那里他公布实时天气预报,并深入研究季节性天气预报的艺术和科学。

在 WIREs Climate Change 最近发表的一篇观点文章中,Cohen主张在季节预测中更多地使用机器学习。他解释说,如果提供当前的天气条件,机器学习系统可以用来建立一个预测模型,可以预测未来几天,几周甚至几个月的历史数据。麻省理工学院新闻与科恩讨论了这些技术如何用于帮助改善长期冬季天气预报。

问:为什么您认为将机器学习纳入季节性天气预报非常重要?

答:我们使用动态模型在短期季节预测方面取得了很好的,可轻松量化的发展。几十年前,我们对一到两天的预测充满信心,但到了第三天的时候,就像在董事会投掷飞镖一样。我们在预测五,六,七,甚至长达十天之后确实取得了发展,我认为这是我们准确性的巨大进步。但是,如果你看一下更长的续航时间,从两周开始到最多三个月,我们就没有使用这些相同的动力学模型。

鉴于季节性到季节性预报的发展令人失望,特殊是相对于短期预报的改进,以及新的统计技术和计算能力的提高,更快,更廉价的方法来推动季节性预测是用机器学习。

我觉得气象学是应用机器学习的一个非常好的领域,因为它是关于模式识别的。从理论上讲,大气可以分解为无限多种模式,但它似乎想要一遍又一遍地重复相同的模式。

如果我们可以使用机器学习来改进长期天气预报,那么这对那些面临天气风险的人来说会有所帮助。例如,天气治理人员,公用事业和市政当局可以为马上发生的极端,破坏性或破坏性天气做好准备,但他们可以为两周或更长时间的预测做更广泛的准备。供应链和商品也是如此。此外,农民可以使用更长距离的信息进行种植,施肥和收获。更好的长期预测还可以使水治理者更好地治理水坝和水电,以及能源供应商更好地针对需要过剩供应的区域。

问:自从您开始在这个领域工作以来,天气预报领域有何变化,您现在使用哪些因素来确定您的季节性预测?

答:如果你回到40年前,季节性预测几乎是基于这样一种信念,即如果它今天很冷,那明天就会很冷。所以,如果是十一月的严寒,我们会预测一个严寒的冬天。即使包括像厄尔尼诺 - 南方涛动和马登 - 朱利安振荡这样的现象,使用动力学模型也没有取得很大发展。我还认为目前的模型对热带强迫过于敏感,对北极强迫不敏感。

我向来试图说北极是重要的,也许如果它之前不那么重要,它肯定变得更加重要,因为与其他任何地区相比,北极气候变化引起的变化最大在世界上。例如,如果您在去年冬天使用了北极预测变量,那么预测北半球的温度模式比使用热带预测变量要好得多。

模型没有从短期预测到更长期预测的发展的另一个原因是因为许多气候波动或异常与极涡有关。极涡位于地表以上20至30公里处,效果向下传播大约需要两周时间。如果您可以利用这些信息,您可以进入季节性时间表。

去年冬天是一个非常好的例子,因为当极地涡旋较弱时,整个北半球的冬季天气会更加严峻。去年冬天,我们在2月中旬对极地涡旋进行了大规模的分解,但是动力模型在2月1日被初始化,因此他们在北半球展示了非常温暖的预测。你可能还记得,它在2月份和3月份变得更冷。统计模型在捕获温度变化模式方面做得更好。这突出了当前使用的模型的一个缺点,即它们没有结合来自极涡的信号。

极涡的现状几乎与去年冬天相同。这些模型真的很难预测极涡的破坏及其对我们天气的影响。他们预测从开始到结束都会有一个温柔 的冬天。温柔 的开始是正确的,但他们没有预测到最近才会转向更严寒的天气。此外热带预测因子与去年冬天相反或不同,但北极预测因子都是相同的,现在延续两个冬季我们经历了极涡分裂。

问:您有一个受欢迎的Twitter帐户,您可以在其中提供自己的预测并讨论预测背后的科学。您是否发现社交媒体是与人们就天气预报科学进行互动的实用平台?

答:我最初开始使用社交媒体,因为我的态度是,实时传递信息的最佳方式是使用社交媒体,无论是Twitter还是我的博客。我认为社区忽视了可预测性的来源,即北极强迫的影响,所以我的目标是利用社交媒体来试图证明将北极纳入季节预测模型的必要性。

当我在Twitter上开始时,我想我会有这个目标受众和狭隘的焦点。然后,蓦地之间,我从未想象过的所有这些人都跟着我,就像犁司机操作员,做地面维护和应急治理的人。巴基斯坦的一位农民给我写信,并解释说他依赖天气,并且他在Twitter上关注我,并使用我分享的信息来计算种植和收割庄稼的时间。他解释说他有互联网接入,但他与所有没有互联网接入的邻居分享我的推文和博客,并表示这非常非常有帮助。那对我来说真的很令人兴奋。

我以为我会专注于接触美国东北部的人们,也许是英国人。但现在我收到来自气象学家和约旦,阿拉伯联合酋长国和土耳其人民的消息。这是一个比我想象的更大的频谱。对我而言,拥有那种触及范围真是太棒了。

标签: 机器学习有助于提高长期预测的准确性