研究团队利用卫星数据和机器学习预测台风强度

针对气候变化给台风预测带来的挑战，一组研究者开发出了一项技术，利用实时卫星数据和深度学习能力来更精确地预测台风。

在蔚山国立科学技术大学土木、城市、地球与环境工程系 Jungho Im 教授的带领下，研究团队推出了一种基于深度学习的预测模型，该模型实时结合了地球静止气象卫星数据和数值模型数据。

研究结果已发表于地理信息科学与遥感和信息科学分别于2024年3月和6月。

研究团队提出的混合卷积神经网络（Hybrid-CNN）模型有效地结合了卫星空间特征和数值预报模型的输出，可以客观准确地预测24、48和72小时预报时间的热带气旋（TC）强度。Hybrid-CNN模型显著降低了与数值模型相关的不确定性，从而使台风预报更加准确。

传统的台风观测方法主要依赖预报员分析的地球静止卫星数据，但这种方法存在分析时间长、数值模型本身存在不确定性等问题。相比之下，Hybrid-CNN 模型可以显著降低数值模型的不确定性，从而实现更准确的台风预报。

研究团队采用迁移学习模型来估计 TC 强度，使用从2010年发射的通信、海洋和气象卫星（COMS）到2019年发射的GEO-KOMPSAT-2A（GK2A），人工智能对台风强度自动估计过程进行可视化和定量分析，以提高台风预报的准确性。

可以客观地提取影响台风强度变化的环境因子，并将其应用于现场预报系统。预计该技术将为通过向预报员提供快速准确的台风信息来防止灾害。

任教授表示：“我们基于深度学习的台风预测框架将通过提供更准确的预测信息使预报员能够制定快速有效的措施。”