هوش مصنوعی در پیش بینی امواج گرما

شهریار تبریز/آذر کریم‌زاده: هیئت بین دولتی تغییر اقلیم در ششمین و آخرین گزارش خود، بر این واقعیت پافشاری می کند که گرم شدن کره زمین منجر به افزایش فراوانی و شدت رویدادهای فجیع آب و هوایی از جمله سیل، خشکسالی، امواج گرما و آتش سوزی می شود.

در عصر اخیر چنین حوادث عظیمی بیشتر بوقوع پیوسته است. یکی از نمادین ترین آنها موج گرما در سال ۲۰۰۳ در اروپا است (۱۵۰۰۰ مرگ در فرانسه، ۷۰۰۰ مرگ در آلمان، ۱۸۰۰۰ مرگ در ایتالیا). اخیراً می‌توانیم به «گنبد گرمایی» معروف اشاره کنیم که در سال ۲۰۲۱ نفس کانادا را تنگ کرده بود و یادی از سرنوشت فاجعه‌انگیزشهر لیتون کنیم که پس از افزایش دما به ۵۰ درجه با یک آتش سوزی کاملاً ویران شد. در سال ۲۰۲۲، در پاکستان بود که سیلاب های شدید حدود ۱۰ درصد از سطح این کشور را فرا گرفت و باعث تخریب ۲۴۶ پل و ۱.۶ میلیون خانه شد.

در حالی که کارشناسان هیئت بین دولتی تغییر اقلیمی تخمین می‌زنند که گرمایش کره زمین تا سال ۲۰۳۰ از آستانه ۱.۵ درجه سانتی‌گراد فراتر رفته و تا سال ۲۰۵۰ به ۲+ درجه سانتی‌گراد می‌رسد، توانایی ما برای پیش‌بینی و پیشگویی در مورد این رویدادهای شدید اقلیمی به چالشی بزرگ برای ایمنی اموال و انسان ها مبدل خواهد شد. و شاید این هوش مصنوعی باشد که راه حلی جهت کمک به ما در پیش بینی بهتر این پدیده ها است. در هر صورت، این موضوع کار یک تیم بین‌رشته‌ای از دانشمندان فرانسوی در مطالعات بیش از حد اقلیمی است.

غنی سازی داده‌ها در مورد رویدادهای اقلیمی

در مقاله‌ای که در ۴ آوریل در Physical Review Fluids منتشر شد، این تیم از دانشمندان بخشی از اسرار کار خود را بیان نموده و نشان دادند که چگونه هوش مصنوعی با آموزش مناسب می‌تواند به پیش‌بینی امواج گرما کمک کند.

مشکل با رویدادهای عظیم آب و هوایی این است که ما برای تعیین کمیت آنها اطلاعات کافی نداریم. سیل در پاکستان، موج گرما در آمریکای شمالی یا حتی موج گرما در اروپا در سال ۲۰۰۳ رویدادهایی هستند که در سطح تاریخی بی سابقه بوده اند. بنابراین ما در تعیین کمیت احتمال آنها هم در آب و هوای فعلی و هم در آب و هوای آینده مشکلات زیادی خواهیم داشت.

از اینرو، جهت دور زدن این مشکل، دانشمندان روی الگوریتم‌هایی کار می‌کنند که امکان چند برابر شدن وقوع این رویدادها را با استفاده از مدل‌های اقلیمی، فراهم می‌کنند. یکی از محققان بیان می کند که "به عنوان مثال، ما آب و هوایی را شبیه سازی کردیم که با آب و هوای دهه ۲۰۰۰ مطابقت داشته و ما این مدل را در یک چارچوب ثابت برای ۸۰۰۰ سال اجرا کردیم، یعنی آب و هوا تا ۸۰۰۰ سال تغییر نخواهد کرد. این امر امکان به دست آوردن آمار در مورد رویدادهای شدید را فراهم می‌کند".

این روش بر اساس "یادگیری عمیق" به دانشمندان اجازه می دهد تا داده های خود را در مورد رویدادهای شدید آب و هوایی پربار نمایند و سپس مدل های آماری را برای پیش بینی رویدادهای شدید با توجه به وضعیت زیست محیطی مانند رطوبت خاک و شرایط جوی ایجاد کنند.

در حال حاضر، محققان هنوز هم بایستی مدل‌های خود را به اجرا درآورند، و در عین حال این الگوریتم‌ها را در یک چارچوب عملیاتی نیز امتحان نمایند. در نهایت، هدف این خواهد بود که یک کاربرد تکمیلی به پیش بینی های هواشناسی معمولی یا به الگوهای اقلیمی در جهت پیش بینی رویدادهای نادر داده شود. یک فناوری که خواهد توانست در حوزه انرژی‌های تجدیدپذیر نیز با پیش‌بینی مازاد تولید جهت کمک به مدیریت منابع انرژی مورد استفاده قرار گیرد.

______________________________________

منبع:

https://leshorizons.net/intelligence-artificielle-predire-canicules/