En notis fra Meteorologisk institutt - les mer.
Stormflo står høyt på listen over farlige klimaendringer i Norge, så forbedring av disse varslene er viktig for samfunnet.
(Foto: Martin Winkler / Pixabay)
Forskere skal bruke maskinlæring for å lage bedre varsler for vær og hav
Pålitelige vær- og havvarsler er grunnleggende for samfunnets sikkerhet, og forskere jobber kontinuerlig med å forbedre modellene som ligger til grunn for disse varslene.
Nå skal forskere ta i bruk nye maskinlæringsalgoritmer som kan trenes på, og lære av, enorme datasett.
Machine Ocean er i gang
Forskningsprosjektet Machine Ocean er et fireårig prosjekt som har nylig fått 11,5 millioner kroner i støtte fra Norges Forskningsråd. Målet med prosjektet er å undersøke om data fra de nye Sentinel-satellittene, fra den Europeiske romfartsorganisasjonen ESA, kan brukes til en bestemt type forbedring av vær- og havmodeller.
Prosjektet blir ledet av Jean Rabault og Cecilie Mauritzen fra Meteorologisk institutt. Samarbeidspartnere i prosjektet er Universitetet i Oslo, Universitetet i Uppsala og Woods Hole Oceanographic Institution.
Det store jordsystemet
Havene og atmosfæren er deler av det store jordsystemet, som enkelt forklart er et system som dekker hele kloden vår og luften rundt den. De enkelte delene i dette store systemet, som havet og atmosfæren, påvirker hverandre kontinuerlig.
De mest avanserte varslingssentrene i verden bruker nå hav- og atmosfæremodeller som er koblet sammen. Denne koblingen foregår teknisk sett gjennom det såkalte stresset i systemet.
Stress er overføringen av bevegelsesmengde mellom for eksempel hav og luft. I naturen er dette stresset turbulent og derfor ikke mulig å modellere uten en oppløsning på millimeterstørrelse, som er mye mindre enn det som er realistisk å få til.
Derfor bruker forskerne egne modeller for stresset, vanligvis basert på observasjoner og målinger.
Mer data kan gi en ny stress-modell som trener seg selv
- I Machine Ocean vil vi la dataene på egen hånd produsere en modell for stresset ved hjelp av maskinlæring, forteller Cecilie Mauritzen.
Jean Rabault forteller at hypotesen deres er at de vil kunne utvikle en modell som avhenger mindre av empiri og mer av teori og data.
- Dette blir mulig på grunn av den enorme økningen i datamengder som kommer fra de nye Sentinel-satellittene, i tillegg til nye maskinlæringsalgoritmer som kan trenes på og lære av enorme datasett, forteller han.
Resultatene skal testes på varsling av stormflo
Stormflo står høyt på listen over farlige klimaendringer i Norge, så forbedring av disse varslene er viktig for samfunnet.
- Vi vil først prøve ut resultatene på stormflovarsling her på Meteorologisk institutt, forteller Maurtizen.
- Vi tror disse varslene kan bli merkbart bedre.
