风中的尘埃用AI预测风暴

沙尘暴不仅对任何试图保持房屋整洁和跨度的人来说都是一个麻烦，而且还构成了非常真实的健康危害，并且是一个主要的生态问题。吸入灰尘和其他空气中的颗粒引起的呼吸系统问题是全世界死亡的主要原因之一。

更糟糕的是，在一个国家之间和大陆之间自由传播的尘埃颗粒可以传播病原体，可能导致流行病的爆发。此外，尘埃云对气候有着巨大的影响：它们吸收和分布太阳光线，从而改变地球的温度，它们也会影响云的特性和降雨模式。

通常，沙尘暴形成于干旱地区，例如内盖夫，阿拉伯半岛，撒哈拉沙漠以及北美和亚洲沙漠。风从地面上掀起微小的颗粒，当较大的沙粒下沉到风暴形成的地方附近时，较小的尘埃颗粒可以被吹到数百甚至数千公里之外。

对尘埃波进行早期预警可以帮助保护弱势群体并防止农作物遭到破坏 - 并且，作为奖励，使我们免于毫无意义地清洁房屋。但是，这些风暴的快速发展和蔓延，加上它们绵延大片地区的事实，使得很难预测它们将在何时、何地以及袭击多严重。

魏茨曼科学研究所地球与行星科学系的Ron Sarafian博士，Dori Nissenbaum和Yinon Rudich教授最近发表的一项研究为沙尘暴预测带来了突破。这项研究发表在npj气候与大气科学上，是与同样来自魏茨曼同一部门的Shira Raveh-Rubin博士合作撰写的。

最初，研究人员希望利用在计算机视觉领域获得的知识。由于沙尘暴的气象数据可以显示为一系列卫星图像，他们认为人工神经网络将能够“学习”控制风暴传播的模式 - 就像这些网络已经学会识别各种动物或物体的视频一样。

然而，他们的希望只是部分实现。常规图像仅由三原色组成，它们之间有相当多的重叠。然而，气象“图像”由不少于60个变量组成：温度数据，湿度，风速等。

此外，虽然计算机视觉系统依赖于基于数百万张图像档案的机器学习，但可用于识别沙尘暴的人工神经网络的图像很少：以色列研究人员在从卫星和地面站收集了大约二十年的详细数据后，只有60，000部这样的气象“电影”。在这个相对有限的收藏中，很少发现在同一地点形成沙尘暴的多个实例。

例如，在这种情况下，任何试图学习贝尔谢巴沙尘暴形成的模式的人工神经网络都可能遭受所谓的“过度拟合”。换句话说，他们可能会根据有限的情况制定模式，并在发现新的、尚未学习的条件时得出错误的结论。

令他们惊讶的是，研究人员发现，通过使人工神经网络的生活更加困难，可以改善预测。他们不仅要求网络了解沙尘暴预计何时到达某个点，而且还要处理一个辅助问题：跟踪灰尘分散的更大区域。

例如，为了预测沙尘暴何时可能袭击贝尔谢巴，该网络了解了风暴对黎巴嫩的影响有多严重。使用这种方法，该网络可以访问更大的数据集合，还可以从中了解灰尘传播的物理和气象环境。

利用过去20年来从以色列所有气象站收集的数据，研究人员表明，在尘土飞扬的冬季和春季，他们可以提前80小时成功预测24%以上的沙尘暴，提前70小时预测约48%。系统未预测的大多数事件都是在局部地区迅速发展的风暴，这使得很难收集有助于预测它们的区域数据。

“根据以色列数据训练的网络，只需进行一些调整，就可以预测中东其他地方甚至世界各地的沙尘暴，”萨拉菲安说。“此外，我们还创建了一个架构，可以帮助预测与气象数据相关的其他罕见事件，例如极端降雨或山洪暴发。

Rudich补充说：“这项研究最重要的成就，我们已经在后续研究中实施，是使用人工智能扫描大量丰富的数据，并以我们以前无法获得的方式研究物理原理和大气过程。