Птици и океани и горски пожари, О, Боже! Как машинното обучение променя климатичните изследвания
Птици и океани и горски пожари, О, Боже! Как машинното обучение променя климатичните изследвания

Видео: Птици и океани и горски пожари, О, Боже! Как машинното обучение променя климатичните изследвания

Видео: Это оригинальный Киметсу-ной-Яйба? | Аудиокнига - Жизнь и время горного народа 1-7 2022, Декември
Anonim

Преди правех по-подробни казуси за това как машинното обучение се използва в различни климатични изследвания и приложения за чисти технологии. Но досега това далеч не беше изчерпателно изследване, обхващащо оптимистични досега крайбрежни цифрови модели за кота, сортиране на потоци отпадъци, търговско оформление на слънчевите панели на покрива, управление на качеството на битовите и промишлените води, оптимизация на пазара за възобновяеми източници и съхранение, ефективност на изграждането и ОВК и слабите надеждата за оптимизиране на концентрираното генериране на слънчева топлина.

Има много повече изследователи, които управляват програми, които ще бъдат от полза за нас и околната среда, използвайки този основен, преобразуващ набор от технологии. И така, този кръг от още няколко изследователски инициативи, предоставящи стойност както големи, така и малки с невронни мрежи.

Сблъсъци на частици в рамките на STAR детектора на Националната лаборатория Брукхейвън
Сблъсъци на частици в рамките на STAR детектора на Националната лаборатория Брукхейвън

С любезното съдействие на американската DoE Lawrence Berkeley National Laboratory

Първата е Елизабет Барнс, асистент в Държавния университет в Колорадо и Националната администрация за океаните и атмосферата на САЩ. Като специалност по физика, тя прекарва лятото си в изследване на неутрино, преди да се насочи към докторска степен по атмосферни изследвания. Тя е ръководител на финансираната от NOAA Работна група за подсезонно към сезонно (S2S) прогнозиране, която работи по прогнози за времето от две седмици до два месеца. Не климат. Метеорологично време. Не дни. Седмици и месеци. Те вече се справят добре с атмосферните реки 2-3 седмици предварително, което е ключово за дългосрочната прогноза за времето. Тяхната невронна мрежа е в състояние да идентифицира модели на принудителна промяна на повърхностната температура още през 60-те години при симулации на климатични модели.

Следва миграцията на птици и усилията на Kyle G. Horton, Frank A. La Sorte, et al. Изследванията им разглеждат десетилетия на миграция на птици за стотици видове, време и времеви интервали, използвайки огромните способности за смачкване на данни на невронните мрежи, за да намерят сигнал сред шума. Тяхното специфично безпокойство според публикуваното им изследване е голямата вероятност за несъответствие между времето на миграция на птици и необходимите ресурси по техните маршрути, тъй като видовете се адаптират с различна скорост или не успяват да се адаптират изцяло.

От небето към земята отиваме, към S M Piryon и Tamer El-Diraby извън Канада. Техните изследвания се фокусират върху промените в процентите на влошаване на пътя и видовете влошаване поради климатични стресови фактори през следващите години. Традиционните модели за нива на влошаване на пътя се основават на стабилен климат, предположение, което вече не е разумно. Те взеха над 1 000 проби от базата данни за дългосрочни настилки, обучиха тяхната система за машинно обучение и сега я предоставят чрез уеб браузър за прогнози на всеки пътен сегмент, който желаещите да влязат, давайки 80% точен индекс на ефективността на настилката резултати за години предварително, в рамките на времевите сценарии за планиране на агенциите, които поддържат пътищата.

Отсядайки в Канада, но се отправяме под морето, откриваме Alireza Rezvanifar, Tunai Porto Marques и др. Те работят върху по-доброто идентифициране на видовете и броя на рибите от много шумни сонарни данни.

NOAA Риболовна ехограма
NOAA Риболовна ехограма

Ехограма с любезното съдействие на NOAA Fisheries

Обикновено анализаторите правят ехограми като горната и използват гъвкавите нервни мрежи в черепите си, за да се опитат да идентифицират и изчислят количествено рибните запаси. Както знам от неотдавнашното ми четене чрез „Мислене, бързо и бавно“, точно в тази работа хората са много добри, докато не сме, с неща като глад, близост до почивки и колко от тези ехограми имаме разглежда вероятността да създаде огромни различия в качествата на резултатите. Системите за машинно обучение, разбира се, не страдат от тези изцяло човешки проблеми и могат да разглеждат ехограмите безкрайно с постоянни резултати. Първоначалните им усилия вече са по-точни от човешките анализатори при идентифицирането и преброяването на училища за херинга и лесно се разширяват до други рибни запаси в други региони.

Оставайки под повърхността, но преминавайки към екип от изследователи на Съединените щати и Германия, Том Вебер, Никола Уайзман и Анет Кок, представляващи три отделни университета, откриваме океански емисии на метан. Като човек, който живее на края на Тихия океан и който е изгубил броя пъти, когато съм го пресичал, знам колко голям и колко оскъдно е инструментиран и при това частта между Северна Америка и Азия е най-добрата наблюдавана част от този масивен воден басейн. Освен това, в сравнение с него, някои други океани като Северния ледовит океан са дори по-слабо инструментирани. Това е по-важно от всякога, тъй като океанът е един от източниците на атмосферен метан не само от аноксични източници, но и от сега по-разбираемия и приет път за създаване на метан от фитопланктона. Разбирането колко метан произвежда океанът, къде и как е важно да се разбере как човешките емисии играят роля в това, и то все още не е толкова добре разбрано, колкото би могло да бъде.

„Бюджетът на метана ни помага да поставим човешките емисии на метан в контекст и осигурява изходна база, на която да оценим бъдещите промени. В миналите бюджети за метан океанът е бил много несигурен термин. Знаем, че океанът естествено отделя метан в атмосферата, но не знаем непременно колко. " Том Вебер, асистент, Науки за Земята и околната среда, Университет в Рочестър

Машинното обучение е идеално за тази задача. „Земната истина“от добре проучените части на океана може да се приложи към останалите океани в световен мащаб с по-висока точност от предишните оценки. Глобалният бюджет за метан, който се използва за научни изследвания и политически усилия, ще съдържа резултатите от това проучване, което ще доведе до глобални последици от това усилие за машинно обучение.

Отново изплувайки, нека се отправим към Африка през Пенсилвания. Този университет има дългосрочна програма, насочена към подобряване на резултатите от африканското селско стопанство, увеличаване на устойчивостта и икономическия успех в тази индустрия. Те са създали приложението NURU (суахили за светлина), за да предоставят интелигентни телефонни указания и прозрения на фермерите. Сега те са се възползвали от прогнози за машинно обучение за краткосрочна продуктивност на културите въз основа на сателитни данни за водата и метеорологични доклади.

И накрая, нека се върнем във въздуха за това проучване извън Калифорния от Шейн Р. Кофилд, Кейси А. Граф и др., От Калифорнийския университет в Ървайн. Тяхното изследване, публикувано в International Journal of Wildland Fire, предсказва крайния мащаб на горските пожари от първоначалните димни шлейфове за пожарите в Аляска, нещо с глобален резонанс, предвид австралийските и азиатските горски пожари и скорошната история на пожарите на западното крайбрежие на Северна Америка и димния палм. Те прилагат множество техники, за да се опитат да предскажат тази ключова мярка за разпределение на ресурси, включително подходи за машинно обучение. Но ключов извод е, че най-ефективната мярка с малко над 50% точност е просто дърво за решения, което може да бъде направено от човек за няколко минути. Макар машинното обучение да е изключителен набор от инструменти и техники, това не означава, че винаги е необходимо или по-добре.

Разнообразните техники и технологии в категорията машинно обучение стават много по-достъпни за много повече изследователи и позволяват огромни печалби в изследванията на климата и околната среда. Глобалната политика и местните бюджетни практики и практики за реагиране се информират все повече от този трансформиращ подход.

Популярни по теми