На самом деле существует 9 видов осадков: ИИ проанализировал миллионы частиц ради самого точного прогноза погоды

Пост опубликован в блогах iXBT.com, его автор не имеет отношения к редакции iXBT.com
| Статья | Наука и космос

Прогнозы погоды часто не могут точно определить тип осадков. Компьютеру трудно отличить снег от дождя или града. Хотя это важно, потому что от типа осадков зависят безопасность на дорогах, риск лавин и запасы воды весной.

Вычисления становятся особенно трудными при температуре около нуля (от -3° до +5°C). Простые методы, которые смотрят только на температуру, здесь не работают. Для точного прогноза нужно знать свойства каждой частицы: ее размер, форму, плотность и скорость падения.

Непогода на дороге, иллюстрация
Автор: ИИ Copilot Designer//DALL·E 3

Ученые собирают большие объемы таких данных, но они включают много переменных, что создает путаницу. Новое исследование описывает метод решения этой проблемы. Был применен алгоритм, который находит скрытые закономерности в этих данных.

Данные с двенадцатью показателями

Для каждого пятиминутного периода осадков есть 12 разных показателей. Это температура, влажность и свойства частиц: как они распределены по размеру, их скорость падения, плотность и общее число. Данные собирались девять лет с семи станций. Получился большой массив информации, где все показатели связаны между собой непрямыми зависимостями. Анализировать такой массив напрямую было невозможно.

Общая схема кластеров осадков, полученных с помощью UMAP и HDBSCAN. (A) Карта всех наблюдений, построенная алгоритмом UMAP. Серые точки — это отдельные замеры. Цветные области — это девять разных кластеров (типов) осадков, выделенных алгоритмом HDBSCAN. Белые кружки — центры этих кластеров. Оси LE1 и LE2 показывают фазу осадков (от дождя к снегу) и их интенсивность. Трехмерная визуализация с третьей осью LE3 (форма частиц) показана на Рис. 2. Условные обозначения: S — снег, M — смешанные осадки, R — дождь. (B) Пример эволюции осадков в течение одного дня на станции в Мичигане. Стрелка показывает путь, который «прошли» осадки на карте (A) по мере изменения погоды: от сильного дождя, через смешанную фазу, к легкому снегу к концу дня. Черные точки — переходные состояния, не попавшие ни в один кластер. (C) Данные радара и температуры для того же дня. Этот график подтверждает выводы UMAP: резкое похолодание около 17:00 (черная линия опускается ниже 0°C) точно совпадает с моментом, когда, по данным UMAP, дождь начал превращаться в снег. Цитирование: Fraser King et al., Decoding global precipitation processes and particle evolution using unsupervised learning.Sci. Adv.11,eadu0162(2025).DOI:10.1126/sciadv.adu0162
Автор: Fraser King et al. Источник: www.science.org
UMAP: алгоритм для анализа данных

Для анализа применили алгоритм UMAP. Это метод снижения размерности данных. Его работа — взять набор данных с 12 показателями и сжать его до трех главных осей. При этом он сохраняет исходную структуру, и похожие погодные условия остаются сгруппированными вместе.

Это отличает его от старых, линейных методов. UMAP может находить непрямые, изогнутые связи в данных, что было очень важно для успешного результата.

Общая схема проекта. Эта схема показывает основные этапы исследования: Изображения частиц: С помощью камеры PIP были получены снимки твердых, жидких и смешанных частиц осадков (снег, дождь, ледяная крупа). Сбор данных: Из этих изображений были извлечены ключевые параметры (PSDs, скорость падения, плотность) и объединены с данными наземных метеостанций (температура, влажность и т. д.). Анализ с помощью UMAP: Создание трехмерной «карты» всех состояний осадков на основе собранных данных. Кластеризация: Алгоритм HDBSCAN находит на этой карте цветные области, которые представляют собой 9 основных типов осадков. Проверка результатов: Полученные кластеры сравниваются с независимыми данными радара (MRR), чтобы убедиться в точности классификации. Практическое применение: Новые знания используются для улучшения спутниковых наблюдений и глобальных моделей прогнозирования погоды.
Автор: Fraser King et al. Источник: www.science.org
Классификация осадков: результаты работы алгоритма

После обработки данных с помощью UMAP получилась четкая схема всех состояний осадков. Три новые оси получили ясное физическое значение:

  1. Фаза осадков (от дождя до снега).
  2. Интенсивность (от слабой до сильной).
  3. Форма частиц (от простых капель до снежинок).

На этой схеме ученые выделили девять отдельных групп — это девять разных типов осадков. Кроме дождя и снега, были определены разные виды смешанных осадков. Алгоритм показал, как один тип осадков плавно переходит в другой при изменении погоды, например, как дождь становится снегом.

Сравнительный анализ характеристик для каждого типа осадков (на примере станции Маркетт). (A) и (B): Средние профили по высоте для отражательной способности (сила эха радара) и доплеровской скорости (скорость падения частиц). Заштрихованные области показывают 95% доверительный интервал. (C) и (D): Диаграммы показывают распределение температуры воздуха и относительной влажности для каждого из 9 кластеров (типов осадков). (E): Сводная тепловая карта, показывающая средние значения различных параметров (данные диздрометра, радара и метеостанции) за 9 лет. Каждая цветная строка соответствует одному из 9 типов осадков. Чем насыщеннее цвет ячейки, тем выше значение параметра. Названия, выделенные жирным шрифтом внизу, — это те параметры, которые изначально использовались для анализа алгоритмом UMAP.
Автор: Fraser King et al. Источник: www.science.org
Практическая польза этого метода

Во-первых, она может улучшить работу спутников. Спутник сможет точнее определять тип осадков у поверхности, сверяясь с этой схемой. Это полезно для мест без наземных станций, как Арктика.

Во-вторых, это помогает погодным и климатическим моделям. Вместо простых алгоритмов (например, «ниже нуля — снег»), модели смогут работать с вероятностями, полученными из реальных данных. Это позволит им точнее прогнозировать снежный покров и уровень воды.

3 комментария

Добавить комментарий

b
Есть просто мусор, есть информационный.Зачем это всё?
Korzh
Ну кликаете же. Пролистываете. Даже комментируете
Недостаточно что ли этих причин? ;)
Ruby_Rougarou
А про что бы Вы хотели читать?)

Добавить комментарий

Сейчас на главной

Новости

Публикации

Обзор китайской аккумуляторной дрели-шуруповерта под 18V батареи: дешево не значит хорошо

Люблю, когда инструмент стоит своих денег. Не стала исключением и эта ударная дрель, которую можно назвать универсальной: есть функция молотка, есть муфта с широким пределом регулировки момента,...

Земля оказалась гибридом: как наша планета зародилась в одном кольце, а достраивалась в другом

Стандартная модель формирования Солнечной системы предполагала, что планеты земной группы сформировались из широкого, относительно однородного диска пыли и газа, который простирался от Солнца до...

Антарктика годами наращивала лед, а затем резко его потеряла: скрытая причина таяния Южного полюса

Долгое время поведение антарктических льдов расходилось с прогнозами климатологов. В то время как Северный Ледовитый океан терял свой ледяной покров под воздействием растущих глобальных температур,...

Румынский Диснейленд на глубине 120 метров: чем интересна шахта Салина-Турда

Пока все страны мира дружно консервируют и закрывают шахты, отслужившие свое, в Румынии к вопросу подошли креативно. И правильно, зачем добру пропадать, если можно превратить соляную шахту в...

Обзор наушников Twistura Beta Flagship: агрессия, драйв и текстуры

В названии наушников Beta от компании Twistura фигурирует приставка Flagship, то есть флагманские. Да, производитель небольшой и это одно из самых дорогих его решений, однако не так давно мы...

Обзор ноутбука Machenike Star Neptune 2K: 16" и 165Гц дисплей, полный, не урезанный TGP видеокарты RTX 5060 на Intel Core i5 13420H

Ноутбук Machenike Star Neptune 2K понравился большим и хорошим 16″ 2К экраном, актуальным процессором Intel Core i5 13420H и, главное, дискретной мобильной видеокартой NVIDIA RTX 5060 8ГБ с...