En ny metode til at forudsige sæsonbestemte orkanaktiviteter udviklet af forskere fra North Carolina State University er 15 procent mere nøjagtig end tidligere teknikker.
En ny metode til at forudsige sæsonbestemte orkanaktiviteter udviklet af forskere fra North Carolina State University er 15 procent mere nøjagtig end tidligere teknikker.
”Denne tilgang bør give beslutningstagere mere pålidelige oplysninger end aktuelle moderne metoder,” siger Dr. Nagiza Samatova, lektor i datalogi ved NC State og medforfatter til et papir, der beskriver arbejdet. ”Dette vil forhåbentlig give dem mere tillid til planlægningen af orkansæsonen.”
Dette synlige billede af Tropical Storm Leslie og orkanen Michael blev taget af MODIS-instrumentet ombord på både NASAs Aqua- og Terra-satellitter. Billedkredit: NASA Goddard / MODIS Rapid Response Team.
Konventionelle modeller, der bruges til at forudsige sæsonåben orkanaktivitet, er afhængige af klassiske statistiske metoder ved hjælp af historiske data. Forudsigelser om orkaner er delvis udfordrende, fordi der er et enormt antal variabler i spillet - som temperatur og fugtighed - som skal indtastes til forskellige steder og forskellige tidspunkter. Dette betyder, at der er hundreder af tusinder af faktorer, der skal overvejes.
Tricket er at bestemme, hvilke variabler på hvilke tidspunkter, hvor steder er mest markante. Denne udfordring forværres af det faktum, at vi kun har cirka 60 års historiske data til at tilslutte modellerne.
Forskerne, inklusive Dr. Fredrick Semazzi (billede), håber at bruge deres nye metode til at forbedre vores forståelse af orkanadfærd. Billedkredit: Roger Winstead.
Men nu har forskere udviklet en "netværksmotiv-baseret model", der evaluerer historiske data for alle variablerne alle steder på alle tidspunkter for at identificere de kombinationer af faktorer, der er mest forudsigelige for sæsonbestemte orkanaktiviteter. For eksempel kan nogle kombinationer af faktorer kun korrelere med lav aktivitet, mens andre kun korrelerer med høj aktivitet.
Grupperne af vigtige faktorer, der er identificeret ved den netværksmotivbaserede model, forbindes derefter til et program for at skabe et ensemble af statistiske modeller, der præsenterer orkanaktiviteten for den kommende sæson på en sandsynlighedsskala. For eksempel kan det sige, at der er en 80 procent sandsynlighed for høj aktivitet, en 15 procents sandsynlighed for normal aktivitet og en 5 procent sandsynlighed for lav aktivitet.
Definitioner af disse aktivitetsniveauer varierer fra region til region. I Nordatlanten, der dækker USAs østkyst, defineres høj aktivitet som otte eller flere orkaner i orkansæsonen, mens normal aktivitet er defineret som fem til syv orkaner, og lav aktivitet er fire eller færre.
Ved hjælp af krydsvalidering - tilslutning af delvise historiske data og sammenligning af den nye metodes resultater med efterfølgende historiske begivenheder - fandt forskerne, at den nye metode har en 80 procent nøjagtighedsgrad til at forudsige niveauet for orkanaktivitet. Dette sammenlignes med en nøjagtighedsgrad på 65 procent for traditionelle forudsigelsesmetoder.
Derudover har forskere ved hjælp af netværksmodellen ikke kun bekræftet tidligere identificerede forudsigelige grupper af faktorer, men har identificeret et antal nye forudsigelige grupper.
Forskerne planlægger at bruge de nyligt identificerede grupper af relevante faktorer til at fremme vores forståelse af de mekanismer, der har indflydelse på orkanens variation og adfærd. Dette kan i sidste ende forbedre vores evne til at forudsige sporet af orkaner, deres sværhedsgrad og hvordan globale klimaforandringer kan påvirke orkanaktiviteten langt ind i fremtiden.
Via North Carolina State University