人工智能改进闪电预报

闪电是自然界中最具危害的现象之一。比如2020年，在加州由于闪电导致的森林大火，这仍然很难预报。威斯康星大学一项新的研究旨在基于机器学习改善闪电预报。

更好的闪电预报可能有助于为潜在的野火做准备，改善闪电的安全警告，并创建更准确的长期气候模型。

威斯康星大学大气科学助理教授 Daehyun Kim 提到，“最佳的机器学习项目是应用到那些我们不完全理解的目标上。在大气科学领域，有什么东西仍然知之甚少的呢？闪电就是其中之一。”

这项新技术将天气预报与基于过去闪电事件分析的机器学习方法结合起来。在12月13日的AGU秋季会议上提出的这种混合方法，可以比现有的技术提前两天预测美国东南部的闪电。

威斯康星大学大气科学博士生 Wei-Yi Cheng 认为 “这表明，通过使用基于机器学习的方法，可以改进对强天气系统(如雷暴)的预报，可以继续探索其他类型的恶劣天气预报的机器学习方法，如龙卷风或冰雹。”

研究人员利用2010年至2016年的闪电数据对系统进行训练，让计算机发现天气变量和闪电之间的关系。然后他们在2017年到2019年的天气中测试了这项技术，比较了人工智能支持的技术和现有的基于物理学的方法，使用实际的闪电观测来评估两者。

这种新方法能够当前的主要技术提前了大约两天预测闪电，比如美国东南部等雷电频发的地区。因为这种方法是针对整个美国进行训练的，所以在闪电不太常见的地方，它的性能并不那么准确。

用于比较的方法是最近发展起来的一种根据降水量和雷暴云内上升速度预报闪电的技术。随着气候变化和北极地区闪电的持续增加，这种方法能预测出更多的闪电。

观测及机器学习预测的闪电空间分布

Kim 提到，“现有的方法仅使用了两个变量，而且主要来自人类的经验。因此使用这两个变量来预测闪电并不一定是最好的方法。”

机器学习是通过世界闪电定位网络（World Wide Lightning Location Network）的闪电观测进行训练的，该网络是一个基于华盛顿大学的协作机构，自2008年以来一直在跟踪全球闪电。

Kim 提到，“机器学习需要大量的数据，这是机器学习算法做一些有价值事情的必要条件之一。五年前，这是不可能的，因为我们没有足够的数据，即使使用 WWLLN。”

美国现在已经有了监测闪电的商用仪器网络，新的地球同步卫星可以从太空连续监测一个区域，提供精确的闪电数据，使更多的机器学习成为可能。

Cheng 认为，“关键因素是数据的数量和质量，这正是 WWLLN 能够提供给我们的。随着机器学习技术的进步，拥有一个准确可靠的闪电观测数据集将变得越来越重要。”

研究人员希望通过使用更多的数据源、更多的天气变量和更复杂的技术来改进他们的方法。他们希望提高对特定情况的预测能力，比如没有降雨的闪电，因为这些对于野火来说尤其危险。

研究人员认为，他们的方法也可以应用于更长期的预测。长期的趋势很重要，部分原因是闪电影响空气化学，因此预测闪电可以得到更好的气候模型。

Kim 提到，“在大气科学领域，就像在其他科学领域一样，一些人仍然对机器学习算法的使用持怀疑态度ーー因为科学家不相信他们不了解的东西。我曾是怀疑论者之一，但在看到这项研究和其他研究的结果后，我确信机器学习能够帮助我们解决一些问题。”

声明：以上内容编译自 Phys.org 报道，内容有所删减，如有不妥之处，敬请指正。