Atlantik Okyanusu’ndaki tropik kasırga tahminlerini inceleyen yeni bir çalışma, yapay zekanın, tropik rahatsızlıkların ne zaman ve nerede tropik fırtınalara dönüşebileceğini tahmin etmede değerli ek rehberlik sağlayabileceğini öne sürüyor.
Miami Üniversitesi Rosenstiel Denizcilik, Atmosfer ve Yer Bilimleri Okulu’nda atmosfer bilimleri profesörü Sharan Majumdar ve meslektaşları tarafından yürütülen çalışma, Avrupa Orta Vadeli Hava Tahminleri Merkezi’nin (ECMWF) geleneksel Entegre Tahmin Sistemini (IFS) daha yeni Yapay Zeka Tahmin Sistemi (AIFS) ile karşılaştırıyor.
Araştırmacılar, 2020’den 2024’e kadar Atlantik boyunca Afrika’nın doğu dalgalarını ve tropikal kasırga gelişimini analiz etti. Afrika’nın doğu dalgaları, kuzey yaz aylarında Sahra altı Afrika’da oluşan batıya doğru hareket eden atmosferik rahatsızlıklardır. Bazıları sonunda tropik kasırgalar halinde örgütlenerek evrimlerini kasırga tahminlerinin önemli bir parçası haline getiriyor.
Dergide yayımlanan çalışma Hava Durumu ve TahminECMWF’nin geleneksel tahmin sisteminin incelenen dönem boyunca geliştiğini buldu. 2023 yılında IFS topluluğunun ızgara aralığı 18 kilometreden 9 kilometreye düşürülürken, tropik siklon oluşumu ortalama olasılıkları genel olarak yıllar içinde arttı.
Yapay zekanın IFS’den ayrıldığı nokta
Ancak Majumdar ve işbirlikçileri, ECMWF’nin yeni yapay zeka sisteminin farklı ve potansiyel olarak faydalı bir bakış açısı sunabileceğini buldu.
2024’te gelişen 18 tropikal kasırga arasında AIFS topluluğu, özellikle daha güçlü tropikal dalgalar için genellikle yaklaşık 84-120 saatlik teslim sürelerinde IFS’den daha yüksek gelişme olasılıkları üretti. Bununla birlikte, 36-48 saatlik daha kısa teslimat sürelerinde AIFS topluluğu, özellikle daha zayıf sistemler için genellikle daha düşük olasılıklar üretti.
Bu fark, tropikal siklogenezi tahmin etmenin zorluklarından birini vurguluyor: Bir rahatsızlığın tropikal bir siklona dönüşeceğine dair sinyal, olay yaklaştıkça önemli ölçüde değişebilir.
Araştırma ekibi, tahminlerin fırtınanın resmi olarak adlandırılmasından önceki üç günden iki güne çıkması durumunda geleneksel IFS olasılıklarının sıklıkla keskin bir şekilde arttığını buldu. Çalışma ayrıca, kısmen gelişimi tanımlamak için kullanılan rüzgar hızı eşiğine bağlı olarak fırtınadan fırtınaya önemli farklılıklar da buldu.
Yapay zeka sistemi ayrıca gelişmekte olan tropikal sistemlerin konumunu tahmin etmede de avantajlar gösterdi. AIFS topluluk ortalamasının ortalama konum hatası genellikle AIFS tek tahmininden, deterministik IFS’den ve IFS topluluk ortalamasından daha küçüktü.
Ek rehberlik olarak yapay zeka
Majumdar, bulguların yapay zekanın geleneksel sayısal hava tahmininin yerini alması gerektiğini öne sürmediğini söyledi. Bunun yerine yapay zeka tahminleri, tropikal siklon oluşumu potansiyelini değerlendirirken tahmincilere başka bir bilgi kaynağı sağlayarak yerleşik IFS’yi tamamlayabilir.
Çalışma, ECMWF’nin yapay zekayı operasyonel hava durumu tahminlerine entegre etmeye devam ettiği bir dönemde geldi. AIFS, 2025 yılında faaliyete geçti ve bu, ECMWF’nin fizik tabanlı sayısal modellerinin yanı sıra makine öğrenimi tabanlı tahminlerde de önemli bir genişlemeye işaret ediyor.
Majumdar, Atlantik kasırga tahmini için potansiyel önemin önemli olduğunu belirtti. “Gelişmekte olan sistemlerin birkaç gün önceden daha iyi tanımlanması, tahmincilere rahatsızlıkları izlemek, olası izleri değerlendirmek ve ortaya çıkan riskleri iletmek için daha fazla zaman verebilir” dedi.
Majumdar, araştırmada ECMWF, NSF Ulusal Atmosfer Araştırmaları Merkezi ve Bonn Üniversitesi’nden bilim adamlarıyla işbirliği yaptı. İşbirlikçilerden biri eski doktora sahibi Quinton Lawton’du. Şu anda Northern Illinois Üniversitesi Dünya, Atmosfer ve Çevre Bölümü’nde yardımcı doçent olan Majumdar’ın öğrencisi.
Majumdar’a göre çalışma sonuçları, geleneksel fizik tabanlı tahmin ile yapay zeka tarafından oluşturulan rehberliğin yan yana çalıştığı veya birleştirildiği bir geleceğe işaret ediyor ve Majumdar’a göre, potansiyel olarak tahmincilere hangi Atlantik tropikal dalgalarının bir sonraki adlandırılmış fırtına olacağına dair daha eksiksiz bir resim sunuyor.





