Ekstrem hava olayları önlem alınmadığı durumlarda (kasırga, tsunami, sel vb) can ve mal kaybına sebep olabilecek düzeyde afetler haline gelebiliyor. Bu sebeple bu tür doğa olaylarının önceden geniş ölçekte tahmin edilebilir olması çok kritiktir. Küresel iklim modelleri gelecekteki iklim koşulları hakkında değerli bilgiler sağlarken, kaba çözünürlükleri, Boston gibi tek tek şehirler gibi yerel ölçeklerde aşırı olayları tahmin etme yeteneklerini sınırlıyor.
Bu sınırlamayı gidermek için Themistoklis Sapsis ve MIT’deki ekibi, makine öğrenimi ve dinamik sistem teorisinin bir kombinasyonunu kullanarak kaba iklim modellerinin tahminlerini iyileştirecek bir yöntem geliştirdi. Bu yaklaşım, kaba modellerin tahminlerini etkili bir şekilde “düzeltiyor” ve onları büyük ölçeklerde daha gerçekçi modellere yönlendiriyor. Bunu yaparak düzeltilmiş modeller, belirli yerlerdeki ekstrem hava olaylarının sıklığını ve yoğunluğunu daha iyi tahmin edebilir.
Ekibin yöntemi, kaba iklim modellerinin çıktısı üzerine, modelin tahminlerini düzeltmek için geçmiş hava durumu verileri içindeki ilişkileri öğrenen bir algoritmanın yerleştirilmesini içeriyor. Modelin temelindeki denklemleri değiştirmeye çalışmak yerine bu yaklaşım, öğrenilen dinamik ilişkilere dayalı olarak modelin çıktısını düzeltmeye odaklanır.
Bu animasyon, MIT ekibinin düzeltilmiş küresel iklim modeliyle birlikte yüksek çözünürlüklü bir fırtına modelinin bir sonucu olarak kuzey yarımküre etrafındaki fırtınaların değişimini göstermektedir. Simülasyon, kaba ölçekli modellerde genellikle önemli hatalara neden olan rüzgar, sıcaklık ve nem için ekstrem değerlerin modellenmesini sağlar.
Araştırmacılar, çalışmalarında bu düzeltme şemasını, son teknoloji iklim modeli olan Enerji Exascale Dünya Sistemi Modeli (E3SM) tarafından üretilen simülasyonlara uyguladılar. Algoritmalarını geçmiş veriler üzerinde eğiterek ve bunu modelin simülasyonlarına uygulayarak, gerçek dünya gözlemleriyle daha yakından eşleşen iklim modelleri üretmeyi başardılar. Düzeltilmiş kaba model, tropik kasırgalar gibi belirli hava olaylarının daha iyi çözünürlüklü modelleriyle eşleştirildiğinde, belirli konumlardaki aşırı fırtınaların sıklığını doğru bir şekilde yeniden üretti.
Bu yöntemin önemi, iklim değişikliği tahminlerinin doğruluğunu artırma ve ekstrem hava olaylarına karşı hazırlık ve planlama çabalarını geliştirme potansiyeline sahip olmasıdır. Politika yapıcılar, yerel ölçeklerde daha güvenilir tahminler sunarak iklim değişikliğinin topluluklar üzerindeki etkilerini daha iyi anlayabilir ve olumsuz etkilerini azaltabilir.
Kaynak: https://news.mit.edu/2024/mit-derived-algorithm-helps-forecast-frequency-extreme-weather-0326