Las olas de calor C'est chaque fois plus fréquent, plus long et plus intense en cas de tout le monde. Prévoir un temps suffisant pour aider à affronter les plus moyens et aminorar vos effets, entre ceux qui se cuentan provocar unas 540 000 morts par an et pertes économiques gigantesques. Mais les systèmes de prévision météorologique existants ne sont pas exacts et quand plus de jeux s'aventurent dans le futur plus imprécis sont vulven. Maintenant, un groupe de scientifiques a développé un système d'apprentissage automatique et intelligence artificielle que prédire les températures caloriques avec plus d'un mois d'attente.
« Une alerte temprana sur les choses extrêmement caloriques pourrait aider la société à se préparer à atténuer les pertes économiques et à réduire le risque pour la vie »Subraya Roman McAdam, auteur principal de la recherche qui a permis d'appliquer ce nouveau système, dirigé par le « Centre Euroméditerranéen sur le Changement Climatique » (CMCC) et publié dans « Communications Earth & Environment »
La capacité de pronostic de fiabilité est très calorique en quelques mois d'anticipation, ouvrant une abanique de possibilités pour l'action proactive. Les services climatiques des secteurs comme l'agriculture, la santé publique et la gestion énergétique pourraient optimiser vos avions avec une plus grande anticipation.
Amenaza récurrente pour l'Europe
Le système maintenant développé ne fournit que des pronostiques, mais aussi la lumière sur les mécanismes physiques qui stimulent les calories, offrant une base scientifique solide pour les studios futurs. Le chemin qui permet d'explorer la combinaison de cette nouvelle étude avec les systèmes dynamiques qui existent, crée systèmes hybrides qui aprovechen le meilleur d'ambos, ainsi que l'adaptation de ce cadre pour définir d'autres types d'événements climatiques extrêmes.
La plage de La Malvarrosa (Valence), abarrotada. / EFE / Juan Carlos Cárdenas
Le nouveau système de prévision stationnaire est capable d'anticiper les températures caloriques en Europe avec plusieurs semaines et même quelques mois d'anticipation.. Cette avance, basée sur l'intégration des techniques d'apprentissage automatique, ne correspond pas seulement à la précision des systèmes de simulation dynamique les plus avancés, si ce n'est dans certaines régions les plus avancées.
Les calories ont des conséquences dévastatrices en forme de Pérdidas agricoles, picos de consommation énergétique, crise sanitaire et augmentation de la mortalitéet se han converti en un amenaza récurrente pour l’Europe. Les événements de 2003, 2010 et 2022 ont pu soulager le besoin urgent de systèmes d’alerte temporaire efficaces.
Facteurs clés
Les projets climatiques contribuent à une intensification de ces épisodes dans les prochaines décennies. La prédiction actuelle, qui cherche à anticiper les conditions climatiques avec plusieurs mois d'anticipation, apparaît comme un outil vital pour sauver la vie et réduire les impacts.
Face à ce défi, cette nouvelle enquête propose une enquête radicalement distincte et la plus efficace : un système purement basé sur des données qui utilisent un cadre de sélection de caractéristiques médianes d'optimisation. Ce système est capable d'analyser plus de 2 000 prédicteurs potentiels – variables atmosphériques, océaniques et terrestres – pour identifier la combinaison optimale de variables, de régions et de périodes d'anticipation qui prédisent mieux la probabilité d'aubes caloriques à chaque point d'Europe.
Une rénovation à la tombée de la nuit pendant la haute température du mois d'août à Tärnaby, Suecia. /Amanda Nilsson.
L'innovation ne réside pas seulement dans la prédiction, mais dans la capacité de l'algorithme à détecter automatiquement les facteurs clés sans dépendre exclusivement de la connaissance scientifique préexistante. « L'intelligence artificielle se transformera en une partie fondamentale de la façon dont nous étudions la variabilité climatique »destaca McAdam, auteur principal de l'étude.
Un « monde modélisé »
« Ce studio a démontré l'utilité de l'apprentissage automatique dans la prévision d'événements extrêmes, mais c'est seulement une première étape pour définir comment les faire pour obtenir des résultats interprétables et physiques significatifs », a ajouté l'enquêteur.
Un des aspects les plus ingénieux de la méthodologie est la formation du système. Étant donné que les registres d'observation modernes sont insuffisants pour alimenter ces modèles, les enquêteurs en utiliseront un. simulation paléoclimatique qui s'est ouvert depuis l'année 0 jusqu'en 1850, ce qui a proportionné un volume de données sans précédent sur le comportement du climat dans des conditions stables.
A pesar de cet entrenamiento en un'monde modélisé', le système a démontré un transfert de connaissance de sortie en application pour la période 1993-2016, en utilisant les données de réanalyse d'ERA5 pour déterminer les températures caloriques réelles. « Il n'y a pas encore suffisamment de données du monde réel pour entreprendre un pronostic de manière adéquate, car les modèles d'intelligence artificielle s'apprennent sur les facteurs qui stimulent les énergies caloriques dans un monde modélisé, mais s'appliquent avec succès l'entraînement dans le monde réel », explique McAdam.
Résultats contradictoires
Los resultados son contundentes: le système d'apprentissage automatique doit avoir une capacité prédictive qui rivalise avec le groupe multimodèle de dernière génération du Service de Changement Climatique de Copernic (C3S). De plus, l'amélioration notable du rendu dans les zones d'Escandinavie et du nord de l'Europe centrale s'est également améliorée.
Les calories seront chaque fois plus fréquentes, plus longues et plus intenses. / Pixabay
L'analyse identifiée les prédicteurs les plus critiques au niveau local sont l'humedad del suelo, la température et les patrons de circulation atmosphérique en Europe. Pas d'obstant, Il détecte également les influences de précurseurs éloignés, comme la température de la surface de la mer dans le Pacifique équatorial, provoquée par El Niño, et le rayonnement de la grande onde saillante de l'Atlantique tropical..
La efficacité C’est un autre pilier fondamental de cette avance. Alors que les systèmes dynamiques conventionnels consomment d'énormes ressources de supercalcul, cette objectif est de les réduire drastiquement. « Notre enquête s'est étendue avec la réussite de la prédiction basée sur l'apprentissage automatique et les données à l'échelle temporelle en utilisant une petite fraction des ressources informatiques des activités traditionnelles », conclut McAdam.
