宾夕法尼亚州大学公园。通过结合计算工具和传统气象学的见解以及美国国家科学基金会 (NSF) 为期三年、价值 973,396 美元的资助，研究人员正在努力更好地理解和预测极端天气宾夕法尼亚州立大学计算与数据科学研究所 (ICDS) 联合聘用兼气象学副教授 Steven Greybush 表示，地球和火星上发生的事件。
Greybush，联合首席研究员 David John Gagne美国国家大气研究中心 (NCAR) 及其团队获得了 NSF 颁发的 20 项支持地球科学领域人工智能 (AI) 进步的奖项之一。Greybush 和 Gagnes 的项目特别侧重于使用深度学习（一种特别擅长从图像数据中提取空间模式的人工智能）来预测哪些云系统会发展成雷暴，这一过程称为对流启动。他们还将调查为什么他们的机器学习方法会预测它的作用，以及研究人员应该在多大程度上相信该预测，这是一种称为不确定性量化的技术。
天气对社会有巨大影响，格雷布什说。我们越准确地预测天气并传达我们的预测，社会就能更好地为这些极端天气事件做好准备。
研究小组将使用包含代表地球厚度的卫星图像的数据集。云，其顶部的温度或其所含的大气水分含量被标记为在下一小时内形成或不形成雷暴。格雷布什表示，在对数千张此类图像进行训练后，研究人员表示，他们的算法将学会区分这两种结果，并能够确定全新卫星图像中的云是否会演变成雷暴。
格雷布什说，从计算机模拟中获得观察结果并理解我们的结果非常重要。
了解从这些模拟中学到了什么，并将其与理论进行比较，并希望能够增进对这一问题的理解和理论，这一点非常重要。气氛。机器学习也是一种数据驱动的计算工具；我们希望在做出预测时能够理解我们在数据中看到的内容，因此我们使用可解释的人工智能来获得物理见解，我们可以将其进行比较，并可能推进对气象学的传统理解。
最终，研究人员的目标是开发能够更准确地预测雷暴形成并解释雷暴如何发生的人工智能。格雷布什说，他们的工作还可能广泛改进数值天气预报（NWP）模拟数值天气预报，这是最著名的计算机模型，有助于理解和处理当前的天气观测以预测未来的天气。
格雷布什说，我们正在进行的研究是通过高性能计算实现的。使用 ICDS Roar 这样的计算机，我们可以运行高分辨率模拟和许多副本，这样我们就可以了解我们对预测的信心有多大。我们还能够将模拟与现实世界的观察和人工智能算法相结合来运行数据同化。
该项目预计将使宾夕法尼亚州立大学高级数据同化和可预测性技术中心正在进行的工作受益，该中心是参与国家海洋和大气管理局新的多大学数据同化联盟。NOAA CADRE 联盟旨在利用 NWP 系统改进天气预报。Greybush 领导该中心的执行团队。
该项目还可能为如何更好地将人工智能方法融入 Greybush 进行的其他研究（包括火星大气预测和冬季天气预报）提供见解。
格雷布什在马里兰大学读研究生时首先开始与 NASA 合作，利用数据同化与航天器观测相结合来调查导致火星沙尘暴的天气条件。
这些沙尘暴影响火星任务，因为它们格雷布什表示，这种现象可以持续数周到数月，覆盖地球的大片地区，他指出，它们既帮助也导致了最近任务的失败。
我们在过去更多时间重建了火星大气天气。格雷布什说道，并解释说，他们使用为地球天气预报开发的工具来了解这颗红色星球。这让我们质疑我们对地球所做的一些假设，也让我们看到我们对地球的了解如何适用于其他世界。
格雷布什小组还使用了冬季风暴观测结果NASA IMPACTS 实地活动在地球上进行的 NASA IMPACTS 任务是改进对暴风雪等极端天气事件的预测。
我用计算机模拟冬季风暴，以更好地理解为什么有些风暴非常容易预测，而其他风暴则非常具有挑战性格雷布什说。例如，您可能会收到 5 到 25 英寸厚的降雪预报；为什么会这样？我们可以采取哪些措施来减少这种不确定性以及如何更好地改进对东海岸冬季风暴的预报？
根据 Greybush 的说法，更好地了解预报对于整个天气企业的决策过程非常重要和经济。
我们正在学习更好地传达不确定性，以及如何处理低端事件可能意味着可以安全地继续正常进行的情况，而高端事件，即使概率很低，可能会带来危险，格雷布什说。我们正在努力准确模拟合理的预测概率，然后传达这两种不同的情况如何影响人们，以及人们如何最好地做好准备。
格雷布什庆祝宾夕法尼亚州立大学分配的各种资源开展广泛的合作研究项目的机会，以兑现大学的跨学科使命。
宾夕法尼亚州立大学拥有顶级的气象学项目之一，作为学生，我对该项目的质量和讲师有很好的体验。格雷布什说，现在，作为一名教员，我有很好的机会与我的气象学同事以及通过 ICDS 进行联合招聘来探索跨学科项目。ICDS 的优势之一是有许多研究人员致力于许多不同的应用领域，但我们有很多共同的方法。我们将能够从合作中获得见解，并通过这些有趣的对话和合作加强我们自己的工作。