在預(yù)報天氣時，氣象學(xué)家使用大量模型和數(shù)據(jù)源來跟蹤可能表明嚴(yán)重風(fēng)暴的云的形狀和運動。然而，隨著天氣數(shù)據(jù)的日益擴大和迫在眉睫的最后期限，他們幾乎不可能實時監(jiān)控所有風(fēng)暴編隊 - 特別是小規(guī)模風(fēng)暴編隊。

現(xiàn)在，有一個計算機模型可以幫助更快，更準(zhǔn)確地識別嚴(yán)重風(fēng)暴，這要歸功于國家科學(xué)基金會部分資助的一組研究人員。

來自賓夕法尼亞州立大學(xué)，AccuWeather公司和西班牙阿爾梅里亞大學(xué)的研究人員開發(fā)了一種基于機器學(xué)習(xí)線性分類器的框架 - 一種人工智能 - 可以從衛(wèi)星圖像中檢測出云中的旋轉(zhuǎn)運動，否則這些運動可能會被忽視。

AccuWeather的高級法醫(yī)氣象學(xué)家Steve Wistar說：“最好的預(yù)測結(jié)合了盡可能多的數(shù)據(jù)。” “因為氣氛無限復(fù)雜，所以需要投入太多。”

該項目的結(jié)果在賓夕法尼亞州立大學(xué)的 新聞稿中公布， 并發(fā)表在 IEEE地球科學(xué)和遙感交易中，加強了AccuWeather與由James Wang教授領(lǐng)導(dǎo)的賓夕法尼亞州信息科學(xué)與技術(shù)學(xué)院研究小組之間的早期工作。

“我們在2010年與AccuWeather合作開始時認(rèn)識到，氣象學(xué)家和氣候?qū)W家面臨的一項重大挑戰(zhàn)是了解地球觀測衛(wèi)星，雷達和傳感器網(wǎng)絡(luò)產(chǎn)生的大量且不斷增加的數(shù)據(jù)，”王說。“讓計算機化的系統(tǒng)分析并從數(shù)據(jù)中學(xué)習(xí)是至關(guān)重要的。