NASA, Ani Sel Uyarılarını Geliştirmek İçin Makine Öğrenimini Kullanıyor

NASA'nın Yer Bilimi Teknoloji Ofisi'nin (ESTO) desteğiyle oluşturulan TACLS, meteorologların büyük miktarlarda veriyi analiz ederken gözden kaçırabilecekleri, yaklaşan ani su baskını kanıtlarını (atmosferik nemdeki olağandışı artışlar) otomatik olarak bulmak için makine öğreniminden yararlanıyor. TACLS bu kanıtları işaretliyor, ani su baskınlarının nerede meydana gelebileceğini gösteriyor ve bu bilgiyi insan analistlerin yorumlayabileceği kullanıcı dostu bir görselleştirme yoluyla gösteriyor. Bu analistler daha sonra ani sel uyarısı mı yoksa hava durumu tavsiyesi mi yayınlanacağına karar verebilirler.

Aşırı hava olaylarını izlemeye ve yaklaşan su baskınlarını tahmin etmeye yönelik bu yeni çerçeve, neredeyse gerçek zamanlı olarak çalışarak on beş dakika kadar kısa bir sürede tahminler üretiyor.

UCSD Scripps Oşinografi Enstitüsü Seçkin Araştırmacısı ve TACLS'in baş araştırmacısı Yehuda Bock, "Meteorologlara ani sel uyarıları konusunda karar vermelerine yardımcı olacak bir araç sağlamak bizim de yapmak istediğimiz şeydi" dedi.

Simülasyon testlerinde TACLS, 2017 ile 2023 yılları arasında atmosferik nehirler, muson konveksiyonu ve tropikal siklon kalıntıları dahil olmak üzere çeşitli şiddetli hava olaylarından elde edilen verileri kullandı ve yayınlanan ani sel uyarılarının %93'ünü başarıyla yakaladı. Ulusal Hava Durumu Servisi'nden meteorologlar şu anda Güney Kaliforniya'daki ani su baskınlarını tahmin etmek için TACLS'yi mevcut sistemlerine dahil etmek için çalışıyorlar.

Bu öğrenme sisteminin iki ana bileşeni vardır. İlk olarak, analitik bir arka uç yazılım paketi, uydu verilerini işlemek ve su baskını riski altındaki alanları belirlemek için makine öğrenimi algoritmalarını kullanır. İkincisi, kullanıcı dostu görselleştirme yazılımı, bu alanları insanlar tarafından daha fazla analiz için vurgular.

ACLS arka uç yazılımı, dünya çapında navigasyon hizmetlerini yönlendiren uydu ağlarından oluşan bir takımyıldız olan Küresel Navigasyon Uydu Sistemindeki (GNSS) uydulardan gelen verileri analiz eder. Troposferdeki su buharı, bu uydulardan Dünya'ya giderken gelen sinyalleri geciktirir. Bu sinyal gecikmesi, Dünya üzerindeki belirli bir konumdaki atmosferdeki su buharı miktarını hesaplamak için analiz edilebilir.

TACLS analitik arka uç yazılım paketi, 30 yılı aşkın geçmiş GNSS verileri kullanılarak eğitilmiş bir makine öğrenme modeline sahiptir. Bu model, atmosferik nemdeki olağandışı artışları izleyen bir anormallik dedektörüdür. Model daha sonra atmosferik nem verilerini dikkatlice inceliyor ve bunun yapay bir şey mi (yanlış bir özellik veya verilerdeki bozulma) yoksa insan analistleri tarafından yorumlanması gereken geçici bir olay mı (yoğun yağış gibi zamana duyarlı bir fiziksel olay) olduğunu belirliyor.

TACLS, verilerin ani sel uyarısını gerektiren aşırı hava durumu gibi geçici bir durumu temsil ettiğini belirlerse, bu verileri insanlar tarafından daha fazla değerlendirilmek üzere TACLS görselleştirme yazılımına (MGViz) iletecektir. Analistler, bu olayları yorumlamak ve işaretlenen verilerin ani bir sel olasılığını işaret edip etmediğini belirlemek ve gerekirse ani sel uyarısı vermek için muhakeme ve deneyimlerini kullanıyor.

JPL'de geliştirilen çeşitli geçmiş yeniliklerden, GNSS verilerini işlemek ve sonuçları sunmak için TACLS tarafından yararlanılmaktadır. Analitik arka uç yazılım paketi, JPL'nin Etki Alanından Bağımsız Aykırı Değer Sıralaması Algoritmaları programından ve Zaman Serisi Tahmini, Değerlendirme ve Dağıtım programından öğeler içerir. TACLS görselleştiricisi, başlangıçta NASA'nın Mars görevleri için JPL'de geliştirilen Çok Görevli Coğrafi Bilgi Sistemini temel alıyor.

TACLS yazılımı, tüm bu bileşenleri, bir insan analistin ani bir sel uyarısı verip vermeyeceğini belirlemesi için gereken süreyi azaltmak amacıyla mevcut yöntemleri geliştiren yeni bir sistem içinde birleştiriyor.

Hem TACLS yazılımı hem de onu eğitmek için kullanılan veriler açık kaynak olacak ve bilim adamlarının bu modeli kendi benzersiz araştırma ihtiyaçlarına göre uyarlamalarına veya sıfırdan kendi modellerini oluşturmalarına olanak tanıyacak.

Ek ayrıntılar için bkz. Bu proje için NASA TechPort'a giriş.

Proje Lideri: Dr. Yehuda Bock, Kaliforniya Üniversitesi, San Diego.

Sponsor Kuruluş(lar): NASA'nın Yer Bilimleri Teknoloji Ofisi İleri Bilgi Sistemleri Teknolojisi Programı; JPL; NOAA; Ulusal Hava Durumu Servisi.