Модель GenCast точно предскажет экстремальные погодные явления
Она уже справилась с предсказанием траектории тайфуна Хагибис
Новая вероятностная модель GenCast способна за восемь минут сделать прогноз погоды на 15 дней, и он по 97,2 процента метрик окажется более точным, чем у широко применяемого ансамбля ECMWF-ENS. Кроме того, модель показала значительно более точные результаты предсказания экстремальных погодных событий и может применяться для составления региональных прогнозов выработки ветряной энергетики. Описание модели опубликовано в журнале Nature.
Специалисты в области машинного обучения под руководством Илана Прайса (Ilan Price) из Google DeepMind применили диффузионную модель для генерации прогнозных траекторий погодных явлений и обучили ее на метеоданных реанализа ERA5 с 1979 по 2019 годы. Полученная модель прогноза погоды GenCast быстро выдает прогнозы погоды с географическим разрешением 0,25 градуса, которые особенно точны на промежутках от трех до пяти дней. Также она способна предсказывать траектории тропических циклонов — например, тайфуна Хагибис, который нанес огромный ущерб Японии в 2019 году — а также оценивать экстремальные температуры и скорости ветра.
На смену им приходят примитивные луга из неместных трав
Пожары, которые происходят чаще чем раз в 30 лет, приводят к необратимой деградации чапаралей: проростки эндемичных растений выгорают раньше, чем достигают зрелости и пополняют банк семян. Из-за этого сложные многоярусные заросли жестколистных кустарников сменяются примитивными однородными луговыми сообществами с преобладанием неместных видов трав. К таким выводам пришли ученые, наблюдая за чапаралями в природоохранных зонах Калифорнии. Результаты исследования опубликованы в журнале Ecosphere.