放大气候预测

为了更好地理解气候变化,有许多我们还不知道。但问题并不是气候变化是否发生。“我们有时听到的消息是政治不确定性,生产“Auroop Ganguly说,土木与环境工程教授东北部。

相反,真正的气候变化的不确定性源于模拟未来的挑战。会发生什么波士顿长期极端天气条件下的电网吗?发电厂在凤凰城会如何影响区域资源递减?当亚特兰大投资更新其水利基础设施?

当前模型擅长投射区域的趋势。但充分准备未来气候变化的影响,科学家需要放大等弱势位置的沿海城市,威胁生态系统,和其他特定的网站。

本周的一篇论文中提出了计算机协会的会议上对知识发现和数据挖掘,研究人员提出了一个新的策略。

托马斯·汪达尔人是土木与环境工程学院的博士生东北部和论文的主要作者,为最好的论文荣获亚军应用数据科学的轨道。汪达尔人与埃文丘,东北的首席执行官剥离risQ, NASA艾姆斯的合作者Sangram Ganguly,安德鲁·米歇利斯和室利罗摩克里希纳Nemani,和他的顾问Auroop Ganguly开发一个系统,以生产高分辨率气候数据预测。

教学学习人工大脑
模拟气候是一个锻炼的时间旅行。为了预测未来,研究者必须首先采取股份制的过去——换句话说,他们追算才能预测。

汪达尔人访问了美国宇航局艾姆斯研究中心收集和分析历史气候数据集测量变量如温度、降水、和地理高程,以及美国宇航局的广泛的卫星数据。争论这个巨大的数据量,汪达尔人杠杆机器在NASA艾姆斯叫昴宿星团,世界上最强大的超级计算机。

团队的目标是创建一个框架downscaling-or缩放在历史气候数据集。这将使科学家们更详细,局部气候预测。

研究人员利用先进的深度学习技术。深入学习是一种创新的人工神经网络计算系统松散地基于生物神经系统。深度学习允许人工神经网络识别模式和执行任务。

汪达尔人,加入东北在波士顿地区为多个公司工作后,使用一种叫做机器学习的相关技术行业为面部表情分析和情感识别。但Auroop Ganguly会面后,他意识到这项技术可能需要更良性的路径通过不同气候科学,他深切关心。

”,而不是用机器学习让人们点击广告或最大化页面浏览量,我决定解决问题在气候科学是一个更好的利用我的技能和时间,”汪达尔人说。

团队的研究结果是一个框架称为DeepSD,即深上优于统计降尺度。系统帮助带着不同的气候数据集不同程度的细节成为关注焦点。

“这些缩减规模巨大的价值的数据集将气候研究人员和eco-climatic建模者想要研究从生态系统对气候变化的影响对于未来气候变暖的场景,“Sangram Ganguly说,这项研究的合作者之一,资深研究科学家湾区环境研究所美国宇航局艾姆斯研究中心。

这只是一个开始。汪达尔人相信DeepSD概念可以用来解决各种各样的气候问题,从追踪极端天气预测灾难事件与更大的信心。在计算机科学,这项技术还处于起步阶段。

“计算机科学领域的变化非常快,”Auroop Ganguly说。“一年就像一个地质时代的一些其他领域。”

这项研究受到了美国国家航空航天局和三个国家科学基金会资助:大数据,在计算网络认为,探险。