L'OMM ha llançat aquesta iniciativa amb l'objectiu de millorar els pronòstics subestacionals de temperatura i precipitació amb machine learning i intel·ligència artificial.
Un equip d'investigadors del departament de Ciències de la terra del Barcelona Supercomputing Center-Centro Nacional de Supercomputación (BSC) ha aconseguit el segon premi al Desafiament per millorar les prediccions sub-estacionals a estacionals utilitzant intel·ligència artificial (S2S AI challenge). El premi ha consistit en una aportació de 10.000 CHF.
L'Organització Meteorològica Mundial (OMM) ha engegat aquesta iniciativa que té com a objectiu millorar, a través de la intel·ligència artificial i/o el machine learning, les prediccions actuals de precipitació i temperatura entre 3 i 6 setmanes vista a partir dels millors models de dinàmica de fluids computacionals disponibles actualment. El repte va començar el mes de juny passat i va finalitzar el 31 d'octubre, tot i que els resultats oficials no s’han fet públics fins ara. En total hi han participat 9 equips de recerca internacionals.
L'equip del BSC ha estat liderat per Lluís Palma i Llorenç Lledó, amb Sergi Bech, Andrea Manrique i Carlos Gómez, tots del grup d’Earth System Services. Aquest grup ja té diversos projectes en aquesta línia, però, com assegura Lledó “fins ara havíem treballat amb mètodes estadístics i ara hem fet el salt utilitzant mètodes de machine learning. En concret, hem fet servir mètodes clàssics de machine learning entrenats amb les previsions que genera el centre europeu de meteorologia. Això ens ha permès entendre quins biaixos té aquest model dinàmic i com es poden corregir per obtenir millors pronòstics”.
Desafiament per millorar els pronòstics S2S
La millora de la capacitat de pronòstic subestacional a estacional (S2S) beneficiaria enormement diversos sectors, inclosos l'aigua, l'energia, la salut, l'agricultura i la reducció del risc de desastres. La creació d'una extensa base de dades de pronòstics del model S2S ha brindat una nova oportunitat per aplicar els darrers desenvolupaments en machine learning per millorar la predicció S2S de la temperatura i els pronòstics de precipitació total amb fins a 6 setmanes d'anticipació, amb focus a les condicions mitjanes quinzenals a tot el món.
La iniciativa és part del Projecte de predicció subestacional a estacional (Projecte S2S), coordinat pel Programa Mundial de Recerca Meteorològica (WWRP) / Programa Mundial de Recerca Climàtica (WCRP), en col·laboració amb Swiss Data Science Center (SDSC) i Centre Europeu de Predicció a Termini Mitjà (ECMWF).
- Tots els codis i els pronòstics del mètode utilitzat per l'equip del BSC estan disponibles aquí: https://renkulab.io/gitlab/lluis.palma/s2s-ai-challenge-bsc
- Consultar resultats aquí: https://s2s-ai-challenge.github.io/#leaderboard