在NASA地球科学技术办公室（ESTO）的支持下，TACLS利用机器学习自动定位即将到来的闪电洪水的证据（大气湿度的异常增加），这些证据气象学家在分析大量数据时可能会遗漏。TACLS标记这些证据，指示闪电洪水可能发生的地方，并通过用户友好的可视化展示这些信息，以供人类分析师解释。这些分析师可以决定是否发布闪电洪水警报或天气建议。这个用于跟踪极端天气事件和预测即将发生的闪电洪水的新框架在近实时操作中运作，能够在短短十五分钟内生成预测。“这正是我们想要做的，给气象学家提供一个工具，帮助他们在闪电洪水预警方面做出决策，”加州大学圣地亚哥分校斯克里普斯海洋研究所的杰出研究员及TACLS主要研究员耶胡达·博克说。在测试模拟中，TACLS使用了2017年至2023年期间来自多种严重天气事件的数据——包括大气河流、季风对流和热带气旋残余——成功捕获了93%的发布闪电洪水警报。国家气象局的气象学家目前正在努力将TACLS纳入他们现有的闪电洪水预测系统中，该系统主要针对南加州。这种学习系统主要有两个组成部分。首先，分析后端软件套件使用机器学习算法处理卫星数据，并确定洪水风险区域。其次，用户友好的可视化软件突出这些区域，以供人类进一步分析。ACLS后端软件分析来自全球导航卫星系统（GNSS）的卫星数据，这是一组驱动全球导航服务的卫星网络。平流层中的水蒸气延迟这些卫星到达地球的信号。可以分析这种信号延迟，以计算特定地点上空大气中的水蒸气量。TACLS分析后端软件套件的机器学习模型经过超过30年的GNSS数据训练。该模型是一种异常检测器，跟踪大气湿度的异常增加。随后，模型仔细检查这些大气湿度数据，并确定它是数据中的伪影（虚假特征或失真）还是瞬态（时间敏感的自然事件，如强降水），需由人类分析师解读。如果TACLS确定数据代表一个瞬态，如需要闪电洪水警报的极端天气事件，它将把该数据转发到TACLS可视化软件（MGViz），以供人类进一步评估。分析师利用他们的判断和经验来解释这些事件，并决定这些标记的数据是否表明闪电洪水可能发生，必要时发布闪电洪水警报。TACLS利用过去在喷气推进实验室（JPL）开发的几项创新来处理GNSS数据并呈现结果。分析后端软件套件结合了JPL的无领域异常值排名算法程序和时间序列预测、评估与部署程序的元素。TACLS可视化器基于多任务地理信息系统，最初由JPL为NASA的火星任务开发。TACLS软件将所有这些组件绑定在一个新系统中，以增强现有方法，从而减少人类分析师决定是否发布闪电洪水警报所需的时间。TACLS软件及其训练所使用的数据将是开源的，允许科学家根据他们独特的研究需求调整该模型或从零开始创建自己的模型。如需更多详细信息，请参见NASA TechPort上该项目的条目。项目负责人：耶胡达·博克博士，加利福尼亚大学圣地亚哥分校。赞助组织：NASA地球科学技术办公室高级信息系统技术计划；喷气推进实验室；国家海洋和大气管理局；国家气象局。