I den oländiga terrängen i västra USA, där skogsbränder rasar okontrollerat, uppstår ett överraskande samband med den tumultartade himlen i centrala USA. En nyligen publicerad studie publicerad i Advances in Atmospheric Sciences utforskar det spännande förhållandet mellan skogsbränder i väst och hagelstormar i centrala USA.
Kärnan i denna banbrytande studie ledd av Jiwen Fan, som var vid Pacific Northwest National Laboratory och för närvarande är vid Argonne National Laboratory, ligger den innovativa tillämpningen av maskininlärningstekniker (ML) för att belysa den dolda länken mellan till synes olika fenomen.
Maskininlärningsalgoritmer, inklusive Random Forest och Extreme Gradient Boosting, används för att analysera stora datamängder som sträcker sig över två decennier, från 2001 till 2020. Dessa ML-modeller är tränade för att förutsäga förekomsten av stora hagel i centrala amerikanska delstater baserat på en mängd variabler, inklusive meteorologiska förhållanden i brandregionen, vindmönster och egenskaper hos skogsbränderna själva.
Genom noggrann analys och databearbetning uppnår ML-modellerna anmärkningsvärd noggrannhet, med förutsägelser som i vissa fall överstiger 90 %. Genom att identifiera nyckelvariabler och mönster avslöjar dessa modeller samband mellan skogsbränder i västra USA och hagelstormar i centrala USA, vilket ger ovärderliga insikter om skogsbränders avlägsna effekter på svåra väderhändelser tusentals kilometer bort.
"Vi kan nu måla upp en levande bild av det invecklade förhållandet mellan eld och hagel i det amerikanska landskapet. Skogsbränder i västra USA utövar ett långtgående inflytande på atmosfäriska förhållanden och formar banan för svåra väderhändelser tusentals kilometer bort. —något som vi aldrig trodde förut", sa Dr Jiwen Fan.
"Meteorologiska variabler som västlig vind, temperaturen och den relativa luftfuktigheten i brandområdet och intensiteten av skogsbränder framträder som nyckelspelare i denna klimatsymfoni."
Men mitt i upptäcktens underverk finns det många utmaningar. Försök att förutsäga det dagliga antalet stora hagelhändelser avslöjar komplexiteten i naturens nycker, och påminner oss om väderfenomens oförutsägbara natur. Allt eftersom forskare fortsätter att förfina sina modeller och konfrontera dataobalanser, fortsätter strävan efter förståelse.
Användningen av ML-tekniker representerar ett betydande framsteg inom atmosfärsvetenskap, vilket gör det möjligt för forskare att navigera i komplexa datamängder och extrahera meningsfulla mönster som kan ha undgått traditionella statistiska metoder.
Med ML som ledstjärna ger sig forskare ut på en resa för att reda ut mysterierna med jordens sammankopplade system och bana väg för mer exakta förutsägelser och proaktiva åtgärder inför klimatdynamikens utveckling.
Mer information: Xinming Lin et al, Machine Learning Analysis of Impact of Western US Fires on Central US Hailstorms, Advances in Atmospheric Sciences (2024). DOI:10.1007/s00376-024-3198-7
Journalinformation: Framsteg inom atmosfärsvetenskap
Tillhandahålls av Chinese Academy of Sciences
