Ciklonų prognozavimą skatina dirbtinio intelekto modeliai, galintys vis tiksliau numatyti šių ekstremalių oro reiškinių riziką.
Meteorologijos biuras nurodė, kad kvinslandiečiai turi būti budrūs, nes per kiek daugiau nei mėnesį valstiją pasieks antrasis atogrąžų ciklonas, dabar turi papildomų būdų stebėti riziką naudojant internetinius sekimo įrenginius, numatančius galimą ciklono kelią.
Trečiadienio popietę biuras įvertino galimybę, kad žemo slėgio sistema Koralų jūroje pavirs ciklonu iki kito antradienio 60 proc. Jei jis susidarytų, ciklonas būtų pavadintas Kirrily.
Kai kuriuose modeliuose sistema pasisuko Kvinslando pakrantės link, sakė Danielis Hayesas, Kernse įsikūręs biuro bendruomenės informacijos pareigūnas.
„Jei jis pajudės atgal link pakrantės, tikriausiai kur nors tarp Kernso ir Rokhamptono yra labiau tikėtina, kad link jis pajudės“, – sakė Hayesas ir pridūrė, kad „netikima, kad per ateinančias septynias dienas tai turės tiesioginio poveikio pakrantei“. .
Biurui dar per anksti skelbti audros prognozę. Tačiau yra „tikimybė, kad jis iš tikrųjų gali sustiprėti ir tapti stipriu atogrąžų ciklonu, kuris yra trečios kategorijos ar stipresnis“, – sakė jis. 3 kategorijos audros vidutinis vėjo greitis yra nuo 118 km/h iki 159 km/h.
Kitos orų agentūros, pavyzdžiui, gerai vertinamas Europos vidutinio nuotolio orų prognozių centras (ECMWF), iki kito penktadienio susiformuos aiškus ciklonas.
Tačiau mašininio mokymosi sugeneruotos prognozės tampa vis labiau prieinamos visuomenei, įskaitant ir patį Europos centrą. Pavyzdžiui, jo dirbtinio intelekto / integruotos prognozavimo sistemos (AIFS) modelis ciklonas Kirrily artėja prie Kvinslando pakrantės daug arčiau Rokhemptono nei Kernso iki kito ketvirtadienio pabaigos.
Europos vidutinio nuotolio orų prognozių centro eksperimentinio dirbtinio intelekto modelio sukurta animacija, rodanti galimo atogrąžų ciklono Kirrily kelią. Nuotrauka: Europos vidutinio nuotolio orų prognozių centrasECMWF savo eksperimentinį modelį pristatė praėjusį spalį, o savo svetainėje taip pat pateikia keletą kitų versijų, sukurtų naudojant AI technologiją, pvz., Google GraphCast ir Kinijos Huawei Pangu modelis.
Centras teigė, kad labiau tradiciniai fizika pagrįsti skaitiniai orų prognozavimo modeliai, tokie kaip integruotoji prognozavimo sistema, vis dar yra pagrindiniai jo prognozių elementai. Viena iš priežasčių yra tai, kad skaitmeniniai modeliai pateikia pradines sąlygas ir mokymo duomenų rinkinius, iš kurių veikia mašininio mokymosi versijos.Be to, AI modeliai yra pagrįsti atskirais skaičiavimais, o ne keliais skaičiavimais, kurie sukuria rezultatų, kuriais ECMWF remtųsi sudarydamas ciklonų tikimybių žemėlapius, rinkinį.
„Guardian Australia“ kreipėsi į biurą dėl komentarų. Biuro sukurtas „Access“ modelis rodo, kad antradienį sistema išliko toli nuo kranto.
Csiro mokslo darbuotojas Jyoteeshkumaras Reddy Papari teigė, kad vis dar sunku tiksliau numatyti atogrąžų ciklono (TC) pėdsaką per savaitę net naudojant AI modelius.
„Apskritai, dirbtinio intelekto modelis atlieka pakankamai gerą darbą sukdamas [tropical cyclone] ir suteikti galimą trasą taip pat gerai, kaip ir dinaminis modelis“, – sakė Papari.
Koralų jūros atogrąžų žemas 90 P šį rytą dabar, kai vėjas didžiausias 20 ts, o šiauriniuose kvadrantuose – konvekcija. Naujausias GEFS ansamblis rodo didelį neapibrėžtumą iš jo narių po 72 valandų, tačiau didėjanti tendencija, kad posūkis į pietus subtropiniu kalnagūbriu. Kitas BoM TC vardas yra Kirrily. pic.twitter.com/OHawctNbyz
— Hauraki įlankos orai (@HaurakiGulfWx) 2024 m. sausio 17 d.Vis dėlto „žmonės turėtų būti atsargūs dėl galimybės [tropical cyclone] prieplauka [and] turėtų priimti oficialius įspėjimus“ iš oficialių agentūrų, tokių kaip biuras.
Nepaisant to, „jie yra naudingi gidai apie tai, kas ateina“, – sakė jis. „Galime tikėtis daugiau AI orų modelių net ir turėdami ansamblio stiliaus prognozes ir [they will] tapti prieinamesni visuomenei“.
Kiti modeliai, pavyzdžiui, JAV „Global Ensemble Forecast System“, išmeta įvairius ciklono pėdsakus.
„Google“ padalinyje „DeepMind“ dirbantys mokslininkai pernai žurnale „Science“ paskelbė recenzuojamą straipsnį, kuriame teigiama, kad jų „GraphCast“ mašininiu mokymusi paremtas modelis 90 % iš 1 380 tikslų pranoko tiksliausias operacines sistemas.
Jo prognozės taip pat palaikė „geresnes sunkių įvykių prognozes, įskaitant atogrąžų ciklonų sekimą, atmosferos upes ir ekstremalias vidutinio klimato temperatūras“, sakė mokslininkai.
