Atmosfer ve iklim bilimciler, hava tahminlerindeki belirsizlikleri daha doğru modellemek için yapay zeka destekli yenilikçi yaklaşımlar geliştirdi. Kaotik dinamikler, kusurlu başlangıç koşulları ve fiziksel süreçlerin eksik temsili nedeniyle doğası gereği belirsiz olan hava tahminlerinde yaşanan sorunlara odaklanan çalışma, önemli bulgular ortaya koydu.
Araştırmacılar, atmosfer dinamiklerinin karmaşıklığını kontrollü bir ortamda incelemek için yaygın olarak kullanılan iki ölçekli Lorenz 1996 sistemini test alanı olarak seçti. Bu sistem üzerinde, mevcut operasyonel ensemble tahmin sistemlerinin en büyük sorunu olan 'yetersiz dağılım' problemini inceledi. Bu sorun, tahmin hatalarına göre yayılımın çok yavaş büyümesi anlamına geliyor.
Çalışmada, deterministik ve otoregresif yöntemlerden Bayesian ve akış tabanlı yaklaşımlara kadar çok çeşitli makine öğrenmesi teknikleri karşılaştırıldı. Sistemli bir yaklaşımla, iç değişkenlik, başlangıç koşulu pertürbasyonları ve stokastik model belirsizliği ayrıştırılarak analiz edildi.
En dikkat çekici bulgu, ensemble pertürbasyonlarının sistemin uzun vadeli varyansını artırmadığı, bunun yerine yörüngelerin ne kadar hızla korelasyonunu kaybettiğini ve uzay-zaman yapısını nasıl keşfettiğini düzenlediği oldu. Bu keşif, meteoroloji alanında daha güvenilir ve gerçekçi hava tahmin sistemleri geliştirilmesi için kritik öneme sahip.