ESoWC 2020 Final Results

 

La terza edizione del ECMWF Summer of Weather Code si è appena conclusa e tutti i risultati dei nove progetti partecipanti sono stati presentati all'ESoWC Day 2020, il 16 ottobre 2020 durante un evento virtuale.

Durante l'estate, tutti gli sviluppatori hanno lavorato sotto la guida completa dei mentori di ECMWF, con l'obiettivo di creare un'esperienza di apprendimento condivisa che potesse beneficiare entrambe le parti. Un grande vantaggio del progetto deriva anche dal fatto che la maggior parte dei partecipanti proviene da background non direttamente correlati al campo della meteorologia, portando così nuove idee e punti di vista.

Inoltre, molti dei team di progetto stanno continuando la loro collaborazione anche dopo aver presentato i risultati finali, e questa non è solo una prova per la qualità degli sviluppi che possiamo trovare con ESoWC, ma anche una prova della grande filosofia al centro del progetto.

I risultati innovativi di quest'anno si sono concentrati su tre campi principali: Machine learning, Copernicus open data e prestazioni del modello ECMWF, conservazione e archiviazione dei dati.

Quattro team hanno esplorato l'uso di machine learning e dell'intelligenza artificiale in una vasta gamma di applicazioni: 

  • Assistente virtuale per gli utenti di prodotti e servizi online ECMWF: il team ha sviluppato un chatbot che aiuta gli utenti ECMWF a trovare risposte alle domande di supporto comuni.

 

  • Applicazione delle capacità di intelligenza artificiale per affrontare le sfide operative nel team di prodotti ECMWF: il team ha applicato le capacità di intelligenza artificiale per comprendere meglio le interruzioni o i guasti improvvisi dei sistemi della catena di produzione ECMWF e prevedere picchi futuri.

 

  • Esplorando le tecniche di machine / deep learning per rilevare e tracciare i cicloni tropicali: il team ha sviluppato un algoritmo di deep learning che riconosce e classifica i cicloni tropicali in base alla loro intensità.

 

  • DeepGEFF: il team ha esaminato se la previsione del pericolo di incendio utilizzando il deep learning raggiunge competenze paragonabili al sistema Global ECMWF Fire Forecasting (GEFF)

 

 

Tre team si sono concentrati sugli open data di Copernicus:

  • Classificazione della qualità dell'aria: il team ha sviluppato uno schema di classificazione per convalidare e rimuovere facilmente i valori anomali dalle osservazioni sulla qualità dell'aria superficiale. Ciò ha consentito il confronto di stazioni di dati con le previsioni sulla qualità dell'aria dal servizio di monitoraggio dell'atmosfera Copernicus.

 

  • Rilevamento di anomalie nelle stazioni di qualità dell'aria (DAAQS): il team ha applicato algoritmi di clustering per fornire punteggi di affidabilità e rappresentatività per le stazioni di qualità dell'aria.

 

  • UNSEEN-Open: il team ha sviluppato un flusso di lavoro aperto, riproducibile e trasferibile basato sulla rianalisi climatica e sui dati delle previsioni stagionali per valutare e anticipare gli estremi climatici oltre il record osservato

 

 

 

E altri due team hanno lavorato su sfide legate alle prestazioni del modello di ECMWF e alla conservazione e archiviazione dei dati:

  • Strumento di profilazione delle prestazioni HPC: il team ha sviluppato un'interfaccia per visualizzare in modo interattivo i dati sulle prestazioni HPC al fine di monitorare e analizzare meglio le prestazioni del sistema di previsione integrato (IFS) di ECMWF.

 

  • Comprimendo i dati atmosferici nelle loro informazioni reali: in base al set di dati di previsione in tempo reale globale del servizio di monitoraggio dell'atmosfera Copernicus, il team ha testato diverse configurazioni per stimare gli errori di codifica dei dati e il potenziale per comprimere il volume dei dati. 

 

 

 

Alla fine dell'ESoWC Final Day, i coordinatori del progetto hanno annunciato che l'edizione del prossimo anno è stata confermata. Per eventuali aggiornamenti, segui ECMWF Summer of Weather Code su Twitter, Facebook and Linkedin.