在气候变化对台风预测造成挑战的背景下，一组研究人员开发了一项新技术，结合实时卫星数据与深度学习，提升了台风预测的准确性。
该研究团队由UNIST土木城市地球环境工程系的任正浩教授领导，推出了一种结合地球静止气象卫星数据与实时数值模型数据的深度学习预测模型。
研究小组提出的混合卷积神经网络(Hybrid-CNN)模型有效整合了基于卫星的空间特征与数值预测模型的输出，客观且准确地预报了24、48和72小时的热带气旋强度。Hybrid-CNN模型显著减少了与数值模式相关的不确定性，从而提高了台风预测的准确性。
传统的台风观测方法主要依赖于预报员对地球同步卫星数据的分析，但由于分析时间较长和数值模型固有的不确定性，这种方法受到限制。相比之下，Hybrid-CNN模型显著降低了与数值模式相关的不确定性，使得台风预报更加精准。
一般的台风观测方法在很大程度上依赖于预报员分析的地球同步卫星数据，但这种方法的缺陷在于需要较长的分析时间，并且依赖于不确定的数值模型。Hybrid-CNN模型的出现显著降低了与数值模式相关的不确定性，从而提升了台风预报的准确性。
研究小组采用迁移学习模型，利用2010年发射的通信、海洋和气象卫星(COMS)及2019年发射的GEO-KOMPSAT-2A (GK2A)的卫星数据来估计TC强度。人工智能对台风强度的自动估计过程进行了可视化和定量分析，以提高台风预报的准确性。
该技术能够客观提取影响TC强度变化的环境因子，并应用于现场预报系统。预计这项技术将通过为预报员提供快速、准确的台风信息，显著帮助灾害预防和损害减轻。
林教授表示：“基于深度学习的台风预测框架将提供更为准确的预测信息，使得预测人员能够迅速采取有效措施。”
该研究得到了海洋和渔业部(MOF)、科学和信息通信技术部(MSIT)以及信息通信技术规划与评估研究所(IITP)的支持。研究成果分别于2024年3月和5月发表在《科学与遥感》和《科学与科学》上，这些都是细胞出版社的同行评议期刊。
期刊引用
1. 周明基，李柱铉，李俊贤，李正浩，Moon Il-Ju，“桥梁卫星任务:增强热带气旋强度估计的深度迁移学习”，科学与遥感，(2024)。
2. Juhyun Lee, Jungho Im和Yeji Shin，“利用整合卫星观测和数值模型输出的可解释深度学习增强热带气旋强度预报”，iScience，(2024)。
本文来自作者[admin]投稿，不代表kvoge号立场，如若转载，请注明出处：https://m.kvoge.cn/cskp/202507-1807.html
评论列表（4条）
我是kvoge号的签约作者“admin”！
希望本篇文章《研究揭示人工智能在预测台风强度中的作用》能对你有所帮助！
本站[kvoge号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：在气候变化对台风预测造成挑战的背景下，一组研究人员开发了一项新技术，结合实时卫星数据与深度学习，提升了台风预测的准确性。 该研究团队由UNIS...