Стандартная классификация осадков, включающая дождь, снег и мокрый снег, признана недостаточной для современной метеорологии. В результате почти десятилетнего исследовательского проекта, осуществленного в партнерстве между учеными из Мичиганского университета и инженерами NASA, была создана новая, более точная система. Она включает девять научно определенных типов осадков, призванных кардинально улучшить точность прогнозов погоды.
Основная цель исследования, результаты которого опубликованы в научном журнале Science Advances, — повышение качества прогнозирования погоды. Более точные модели позволяют эффективнее готовиться к экстремальным явлениям, таким как наводнения и ледяные штормы, что способствует защите имущества и спасению человеческих жизней.
Для сбора данных использовались передовые технологии. Ключевым инструментом стал разработанный NASA комплекс Precipitation Imaging Package (PIP). Эта система состоит из защищенной от непогоды высокоскоростной камеры и яркого источника света, которые фиксируют изображения падающих частиц. В дополнение к PIP применялся диздрометр, измеряющий скорость и распределение размеров жидких частиц.
Сбор информации велся на протяжении девяти лет на семи стратегически расположенных площадках в США, Канаде и Европе. Одной из точек сбора данных была, например, зона снежной бури в Маркетте, штат Мичиган. За время проекта было собрано около 1,5 миллиона измерений отдельных частиц, а также сопутствующие данные о температуре, точке росы, влажности, давлении и скорости ветра.
Анализ огромного массива данных начался с применения статистического метода снижения размерности для выявления закономерностей. Затем были созданы и протестированы две модели машинного обучения. В то время как традиционная линейная модель оценивала прямые связи между частицами, нелинейная модель учитывала более сложные, условные взаимодействия. Нелинейная модель показала явное преимущество, снизив неопределенность на 36% и продемонстрировав лучшее соответствие с независимыми радиолокационными данными.
Итогом работы стала система, получившая название Uniform Manifold Approximation and Projection (UMAP). Она не только упрощает сложные данные об осадках, но и выделяет три ключевых фактора, определяющих их конечную форму: характеристики частиц, интенсивность и фазовое состояние. UMAP также помогает понять, как один тип осадков переходит в другой.
Исследование опровергло распространенное мнение о том, что снег может идти только при отрицательных температурах. Система UMAP показала, что при температуре воздуха в диапазоне от 26,6 до 41 градуса по Фаренгейту (от -3°C до +5°C) вероятность выпадения дождя и снега одинакова. Исход зависит от микрофизических процессов внутри облака.
Новая классификация включает девять официальных типов осадков. К ним относятся: морось (легкий, устойчивый дождь), сильный дождь (интенсивные осадки с множеством мелких капель), легкий переходный тип от дождя к смеси (слабый мокрый снег с плотными ледяными гранулами) и сильный переходный тип от дождя к смеси (интенсивный мокрый снег с плотными ледяными гранулами).
Остальные пять типов: легкая смешанная фаза (небольшой объем слякотных, частично замерзших частиц), тяжелая смешанная фаза (большой объем слякотных частиц), сильный переходный тип от снега к смеси (крупные снежинки и агрегированные частицы), легкий снегопад (пушистый, неинтенсивный снег) и сильный снегопад (интенсивная, тяжелая метель).
По словам Клэр Петтерсен, климатолога из Мичиганского университета и соавтора исследования, новая система имеет как краткосрочные, так и долгосрочные преимущества. В ближайшей перспективе она поможет людям корректировать ежедневные поездки и лучше готовиться к наводнениям или ледяным штормам. В долгосрочной перспективе эти данные помогут прогнозировать изменения в снежном покрове, времени таяния и управлять доступностью пресной воды для целых регионов.
Команда исследователей обеспечила открытый доступ к результатам. Был запущен интерактивный график для визуализации данных и общедоступный интерфейс для энтузиастов-метеорологов. Все выводы и исходные данные размещены в репозитории Deep Blue Data.
Изображение носит иллюстративный характер
Основная цель исследования, результаты которого опубликованы в научном журнале Science Advances, — повышение качества прогнозирования погоды. Более точные модели позволяют эффективнее готовиться к экстремальным явлениям, таким как наводнения и ледяные штормы, что способствует защите имущества и спасению человеческих жизней.
Для сбора данных использовались передовые технологии. Ключевым инструментом стал разработанный NASA комплекс Precipitation Imaging Package (PIP). Эта система состоит из защищенной от непогоды высокоскоростной камеры и яркого источника света, которые фиксируют изображения падающих частиц. В дополнение к PIP применялся диздрометр, измеряющий скорость и распределение размеров жидких частиц.
Сбор информации велся на протяжении девяти лет на семи стратегически расположенных площадках в США, Канаде и Европе. Одной из точек сбора данных была, например, зона снежной бури в Маркетте, штат Мичиган. За время проекта было собрано около 1,5 миллиона измерений отдельных частиц, а также сопутствующие данные о температуре, точке росы, влажности, давлении и скорости ветра.
Анализ огромного массива данных начался с применения статистического метода снижения размерности для выявления закономерностей. Затем были созданы и протестированы две модели машинного обучения. В то время как традиционная линейная модель оценивала прямые связи между частицами, нелинейная модель учитывала более сложные, условные взаимодействия. Нелинейная модель показала явное преимущество, снизив неопределенность на 36% и продемонстрировав лучшее соответствие с независимыми радиолокационными данными.
Итогом работы стала система, получившая название Uniform Manifold Approximation and Projection (UMAP). Она не только упрощает сложные данные об осадках, но и выделяет три ключевых фактора, определяющих их конечную форму: характеристики частиц, интенсивность и фазовое состояние. UMAP также помогает понять, как один тип осадков переходит в другой.
Исследование опровергло распространенное мнение о том, что снег может идти только при отрицательных температурах. Система UMAP показала, что при температуре воздуха в диапазоне от 26,6 до 41 градуса по Фаренгейту (от -3°C до +5°C) вероятность выпадения дождя и снега одинакова. Исход зависит от микрофизических процессов внутри облака.
Новая классификация включает девять официальных типов осадков. К ним относятся: морось (легкий, устойчивый дождь), сильный дождь (интенсивные осадки с множеством мелких капель), легкий переходный тип от дождя к смеси (слабый мокрый снег с плотными ледяными гранулами) и сильный переходный тип от дождя к смеси (интенсивный мокрый снег с плотными ледяными гранулами).
Остальные пять типов: легкая смешанная фаза (небольшой объем слякотных, частично замерзших частиц), тяжелая смешанная фаза (большой объем слякотных частиц), сильный переходный тип от снега к смеси (крупные снежинки и агрегированные частицы), легкий снегопад (пушистый, неинтенсивный снег) и сильный снегопад (интенсивная, тяжелая метель).
По словам Клэр Петтерсен, климатолога из Мичиганского университета и соавтора исследования, новая система имеет как краткосрочные, так и долгосрочные преимущества. В ближайшей перспективе она поможет людям корректировать ежедневные поездки и лучше готовиться к наводнениям или ледяным штормам. В долгосрочной перспективе эти данные помогут прогнозировать изменения в снежном покрове, времени таяния и управлять доступностью пресной воды для целых регионов.
Команда исследователей обеспечила открытый доступ к результатам. Был запущен интерактивный график для визуализации данных и общедоступный интерфейс для энтузиастов-метеорологов. Все выводы и исходные данные размещены в репозитории Deep Blue Data.
