当预报天气时，气象学家使用许多模型和数据源来跟踪可能预示严重风暴的云的形状和运动。然而，随着天气数据集的不断扩大和最后期限的临近，他们几乎不可能实时监测所有风暴的形成，尤其是较小规模的风暴。

现在，宾夕法尼亚州立大学，AccuWeather公司和西班牙阿尔梅里亚大学的一组研究人员，开发了一种计算机模型，可以帮助预报员更快，更准确地识别潜在的严重的风暴。

他们开发了一个基于机器学习线性分类器的框架，可以检测卫星图像中云的旋转运动，这些运动一般可能会被忽视。这个AI解决方案在匹兹堡超级计算中心的Bridges超级计算机上运行。

AccuWeather的高级法医气象学家Steve Wistar说，有了这个工具，他可以把目光投向可能构成威胁的岩层，这可以帮助研究人员做出更好的预测。

“最好的预测结合了尽可能多的数据，因为大气层无限复杂，所以有很多东西需要考虑。通过使用模型和数据，我们可以得到最完整的快照。”

研究人员与Wistar和其他AccuWeather气象学家合作，分析了超过5万个美国历史气象图像。专家们确定并标记了“逗点状”的云的形状和运动。这些云模式与旋风形成密切相关，可能导致恶劣天气事件，包括冰雹，雷暴，大风和暴风雪。

然后利用计算机视觉和机器学习技术，研究人员教计算机自动识别和检测卫星图像中的逗点状的云。这些可以帮助专家实时指出，在海量数据中可以把注意力集中在哪里，以便检测恶劣天气的出现。宾夕法尼亚州信息科学与技术学院的博士生Rachel Zheng说，“由于逗点状的云是恶劣天气事件的直观指标，我们的方案可以帮助气象学家预测此类事件。”

研究人员发现，他们的方法可以有效地检测出逗点状的云，准确率达到99％，每次预测平均为40秒。它还能够以64％的准确率预测恶劣天气事件，优于其他现有的恶劣天气检测方法。

“该方法可以捕获大多数人类标记的逗点状云，此外，还可以在它们完全形成之前检测到一些逗点状的云，并且我们的检测有时比人眼识别更早。”

“我们希望能够通过这种方法拯救生命和保护财产，”Wistar补充道，“对受风暴影响的人们提前通知，尽早获得准确信息。”

气象学家和气候学家面临的一项重大挑战是了解地球观测卫星，雷达和传感器网络产生的大量且不断增加的数据，计算机化系统必须对数据进行分析和学习，以便能够及时正确地解释时间敏感应用中的数据，例如恶劣天气预报。

这项研究向研究界展示了基于人工智能的天气相关视觉信息解释的可行性。将这种方法与现有的数值天气预报模型和其他模拟模型相结合的更多研究可能会使天气预报更加准确和实用。