NASA利用机器学习大幅提升爆洪预警能力

爆洪（Flash Flood）是破坏力极强的灾害，往往在短时间内造成严重损失。如何在海量卫星数据中快速识别风险，一直是气象预报的难题。

现在，NASA带来了一款革命性工具，TACLS（Transient Artifact and Continuous Learning System），它结合卫星网络与机器学习，能帮助气象学家更高效、更及时地发布爆洪预警。

TACLS测试运行生成的爆洪预警概率（红色区域）与美国国家气象局实际预警区域（蓝色）叠加对比。

来源：UCSD Scripps Institution of Oceanography

01

—
跨机构强强联合

TACLS 由NASA喷气推进实验室（JPL）、加州大学圣迭戈分校（UCSD） 和 美国国家海洋和大气管理局（NOAA）国家气象局（NWS）共同开发，获得了 NASA 地球科学技术办公室（ESTO）的大力支持。

其核心目标只有一个：给气象学家一个强大助手，让他们在决策爆洪预警时更快、更准。

UCSD Scripps海洋研究所杰出研究员、TACLS 首席研究员Yehuda Bock 表示：“我们真正想做的，就是为气象学家提供一个辅助决策的工具。”

02

—
15分钟近实时预警

传统方法中，气象学家需要手动分析大量卫星数据，容易错过关键信号。TACLS 则能自动定位大气中异常的水汽增加迹象，并通过友好可视化界面呈现给人类分析师。

整个流程可在短短15分钟内完成预测，真正实现近实时响应。

2024年11月19日气旋登陆加州海岸。TACLS将帮助社区获得更多准备时间。

来源：NASA

在2017-2023年的多种极端天气事件模拟测试中（包括大气河、季风对流、热带气旋残余等），TACLS成功捕获了93%的已发布爆洪预警。目前，国家气象局正将其逐步融入南加州的实际预报系统中。

03

—
TACLS 的两大核心组件

1. 分析后端软件套件
   利用机器学习算法处理全球导航卫星系统（GNSS）数据。 GNSS 卫星信号穿过对流层时，会因水汽产生延迟。通过分析这些延迟，可精确计算特定区域的大气水汽含量。 TACLS 的模型基于30多年历史 GNSS 数据训练而成，擅长检测“异常水汽增加”，并区分伪影（数据干扰）和 瞬态事件（真实强降水等极端天气）。
2. 用户友好可视化软件（MGViz）
   当系统判断为真实瞬态事件时，会自动推送至可视化界面。 气象分析师结合经验判断，最终决定是否发布爆洪预警。

TACLS 整合了 JPL 多项成熟技术，包括领域无关异常排序算法、时间序列预测工具，以及原本用于火星任务的多任务地理信息系统（Multi-Mission GIS）。

值得一提的是，TACLS软件及训练数据将全部开源。 科研人员既可以基于它定制专属模型，也能从零构建全新系统。这为全球极端天气研究提供了强大新工具。

更多技术细节可查看NASA TechPort项目页面(参考1)。