非洲氣象災(zāi)害早期預(yù)警項(xiàng)目實(shí)施成效公布

近日，世界氣象組織（WMO）公布為期4年的非洲氣象災(zāi)害早期預(yù)警項(xiàng)目的實(shí)施成效。該項(xiàng)目為WMO湖泊系統(tǒng)高影響天氣預(yù)警系統(tǒng)建設(shè)計(jì)劃（HIGHWAY）的示范項(xiàng)目，目的是在試點(diǎn)區(qū)域東非維多利亞湖地區(qū)建設(shè)示范性區(qū)域早期預(yù)警系統(tǒng)，為當(dāng)?shù)貪O民及其他利益方提供維多利亞湖高影響天氣事件的預(yù)警信息。

作為非洲最大的內(nèi)陸漁場，維多利亞湖每年生產(chǎn)約100萬噸魚，雇用20多萬漁民，年出口產(chǎn)值超過5億美元。然而，在啟動(dòng)HIGHWAY項(xiàng)目之前，由于沒有區(qū)域性、可操作的氣象災(zāi)害預(yù)警系統(tǒng)，該地區(qū)居民的健康和安全面臨嚴(yán)重威脅。

該項(xiàng)目自2017年啟動(dòng)，投資總額為410萬英鎊。初步研究得出的結(jié)論是，超過20萬人直接受益于該項(xiàng)目，140萬人間接受益于該項(xiàng)目。研究表明，該項(xiàng)目還將湖區(qū)每年由氣象災(zāi)害所導(dǎo)致的死亡人數(shù)減少了30%，即每年可以挽救超過300人的生命。項(xiàng)目經(jīng)濟(jì)效益估計(jì)為每年4400萬美元，效益成本比為16：1。該項(xiàng)目通過加強(qiáng)組織機(jī)構(gòu)建設(shè)、改善數(shù)據(jù)獲取以及促進(jìn)預(yù)測者和受益者之間的融合，提升了各方共同參與國家氣象與水文服務(wù)部門建設(shè)的能力。

該項(xiàng)目通過東非共同體（EAC）制定了旨在協(xié)調(diào)EAC 6個(gè)成員國關(guān)于極端天氣預(yù)警問題的區(qū)域戰(zhàn)略“東非共同體區(qū)域早期預(yù)警系統(tǒng)2025遠(yuǎn)景規(guī)劃”，并為其實(shí)施提供重要支持。

WMO秘書長Petteri Taalas表示，該項(xiàng)目改進(jìn)了當(dāng)?shù)貙庀鬄?zāi)害早期預(yù)警信息的獲取和使用，保護(hù)了生命財(cái)產(chǎn)安全，改善了維多利亞湖地區(qū)的經(jīng)濟(jì)和社會(huì)福祉。希望該模式可以在非洲其他地區(qū)甚至全世界被成功復(fù)制。（張樹良）

科學(xué)家模擬格陵蘭北部冰川洪水事件

日本北海道大學(xué)的科研人員在格陵蘭西北部的Qaanaaq地區(qū)進(jìn)行了研究，發(fā)現(xiàn)由于氣候變暖，格陵蘭的冰川消融量一直在增加。在2015年和2016年夏季， Qaanaaq冰川的二氧化碳排放量迅速增加。該研究成果近日發(fā)表于《冰川學(xué)雜志》。

從Qaanaaq冰川流出的河流在2015年和2016年發(fā)生了洪水，沖毀了連接Qaanaaq小村莊及其600名居民和當(dāng)?shù)貦C(jī)場的唯一道路。研究人員將實(shí)地測量數(shù)據(jù)和氣象數(shù)據(jù)結(jié)合到一個(gè)數(shù)值模型中，進(jìn)行準(zhǔn)確的原因分析。

研究顯示，2015年，溫暖的氣溫和強(qiáng)風(fēng)導(dǎo)致Qaanaaq冰川融化速度加快。2016年的罪魁禍?zhǔn)子兴煌涸摰貐^(qū)很少發(fā)生的暴雨是洪水的主要驅(qū)動(dòng)因素。這兩次洪水都發(fā)生在8月，主要是由于夏末，覆蓋在冰川上的大部分積雪已經(jīng)消融。研究人員解釋，冰川融水或降雨未能被地面吸收，都直接流入了河流。

此外，該模型還預(yù)測由于溫度升高4℃，夏季冰川融水總排放量將增加3倍。因此，該研究量化了氣候變化對冰川徑流的影響，從而深入了解了格陵蘭島沿海洪災(zāi)的未來風(fēng)險(xiǎn)。研究人員希望從模型中獲得的見解能幫助居民應(yīng)對未來洪水風(fēng)險(xiǎn)和減輕潛在的損失。（王立偉）

相關(guān)論文信息：

https://doi.org/10.1017/jog.2021.3

德國投資建造人工智能衛(wèi)星

近日，德國聯(lián)邦經(jīng)濟(jì)和能源部（BMWi）宣布投資260萬歐元，建造一顆新型人工智能試驗(yàn)衛(wèi)星SONATE-2，其能在太空開展自主數(shù)據(jù)訓(xùn)練。這縮短了數(shù)據(jù)傳輸時(shí)間，可進(jìn)行太空自主探索學(xué)習(xí)。

SONATE-2項(xiàng)目由德國航空航天中心選定，由BMWi資助。SONATE-2衛(wèi)星預(yù)計(jì)于2024年入軌，并在軌道上進(jìn)行測試。SONATE-2衛(wèi)星僅有鞋盒大小，它的照相機(jī)將在不同光譜范圍內(nèi)拍照，并將地球置于視野之中。圖像數(shù)據(jù)將進(jìn)入自身星載人工智能處理流程，自動(dòng)識別和分類物體。這項(xiàng)技術(shù)將首先在地球周圍進(jìn)行全面測試，之后才可能進(jìn)行星際旅行。

與之前的SONATE衛(wèi)星相比，SONATE-2傳感器數(shù)據(jù)處理系統(tǒng)將進(jìn)一步小型化，并且更加節(jié)能。此外，還有一些新型衛(wèi)星總線組件，如用于自主姿態(tài)控制的改進(jìn)星敏感器。其不僅可以探測和記錄靜態(tài)物體，還可以探測閃電或流星等短暫的瞬變現(xiàn)象。

德國巴伐利亞州維爾茨堡朱利葉斯·馬克西米利亞斯大學(xué)的研究人員表示，在航天領(lǐng)域使用人工智能技術(shù)仍屬于起步階段，這方面的項(xiàng)目屈指可數(shù)。如果人工智能用于檢測未知現(xiàn)象，則必須首先對其進(jìn)行訓(xùn)練。此項(xiàng)目是在太空條件下在小型衛(wèi)星上開展人工智能訓(xùn)練。

雖然在地球上就可以基于大型計(jì)算機(jī)開展人工智能訓(xùn)練，但是研究人員希望利用小型人工智能衛(wèi)星觀察地球，并執(zhí)行星際任務(wù)，即發(fā)現(xiàn)新的地外現(xiàn)象，甚至發(fā)現(xiàn)地外智能的蹤跡。因?yàn)橐坏┻M(jìn)入星際，與衛(wèi)星的通信就會(huì)成為一個(gè)瓶頸，隨著距離地球越來越遠(yuǎn)，數(shù)據(jù)傳輸需要的時(shí)間越來越長，不能一直來回發(fā)送數(shù)據(jù)。這就是人工智能必須能夠在衛(wèi)星上獨(dú)立學(xué)習(xí)的原因。

（劉文浩）