Международный исследовательский проект, осуществляемый при поддержке ОАЭ, использует искусственный интеллект и усовершенствованное моделирование для оценки облачности практически в режиме реального времени, чтобы сделать усиление дождя более точным и эффективным. Проект финансируется Исследовательской программой ОАЭ по науке об усилении дождя (UAEREP).
Комитет по стратегическим направлениям (SDC) UAEREP недавно провел промежуточный визит в Университет искусственного интеллекта имени Мохаммеда бен Зайда (MBZUAI), чтобы оценить прогресс в реализации проекта, получившего награду за 5-й цикл, “Определение микрофизической пригодности облаков к использованию на практике”.
Во время визита исследовательская группа продемонстрировала ключевые этапы, включая завершение первого специализированного моделирования облачности WRF-SBM над ОАЭ, выполненного на суперкомпьютере NCM “Atmosphere”.
Доктор Абдулла Аль Мандус, генеральный директор NCM и президент Всемирной метеорологической организации (ВМО), сказал: “Объединяя ведущие учреждения со всего мира, программа формирует общее научное видение посредством скоординированных исследовательских усилий, которые ускоряют разработку устойчивых решений глобальных проблем водной безопасности”.
Алия Аль Мазруи, директор UAEREP, добавила: “Интеграция искусственного интеллекта и расширенного моделирования в оценку засоряемости облаков знаменует собой революционный шаг в исследованиях по усилению дождевой активности. Используя спутниковые данные, машинное обучение и проверенное моделирование, этот проект разрабатывает инструмент поддержки принятия решений, который позволяет оценивать облачные системы практически в режиме реального времени”.
Проект, возглавляемый профессором Даниэлем Розенфельдом из Еврейского университета в Иерусалиме (HUJI), реализуется совместно с Национальным центром метеорологии (NCM) и MBZUAI в ОАЭ, Уханьским университетом (WHU) в Китае и Калифорнийским университетом в Сан-Диего (UCSD) в Соединенных Штатах.
Целью проекта является разработка управляемой данными системы оценки засеваемости облаков в масштабе конвективных облачных кластеров в режиме реального времени с использованием спутниковых и метеорологических данных, расширенного моделирования и машинного обучения для принятия решений о засевке и оценки потенциального воздействия.