Das MIT verspricht eine bessere Vorhersage extremer Wetterereignisse

Wir können Wettermuster heute viel besser verfolgen als vor ein paar hundert Jahren, aber wir sind immer noch relativ unerfahren in der Vorhersage extremer Wetterereignisse. Heutige gemeindespezifische Vorhersagen extremer Wetterereignisse basieren auf grobkörnigen Klimamodellen, die weitaus besser in der Lage sind, Klimaereignisse über weite Landstriche vorherzusagen als für bestimmte Städte oder Gemeinden. Für die Sturmvorbereitung oder andere Formen der Extremwettervorbereitung könnte dieser Ansatz der Meteorologie mit niedriger Auflösung verheerende Folgen für die Infrastruktur oder Bevölkerung einer Gemeinde haben. MIT-Forscher behaupten jedoch, einen Weg gefunden zu haben, moderne Wettervorhersagen spezifischer und genauer zu machen.

Anstatt zu versuchen, die Stabilität bestehender Klimamodelle zu verbessern, wird die MIT-Team hat einen nicht-invasiven Algorithmus für maschinelles Lernen erstellt, der zusätzlich hinzugefügt wird, um mehr Tiefe zu verleihen. Der Algorithmus beginnt mit der Erfassung von Daten aus vergangenen Wetterbedingungen und -ereignissen: Temperaturen, Luftfeuchtigkeit, Niederschlag usw. Anschließend vergleicht es diese Daten mit Vorhersagen grobkörniger Klimamodelle für die betreffenden Zeiträume. Abhängig davon, wie die Vorhersagen und Vorhersagen des Wetters übereinstimmen, stellt der Algorithmus Korrelationen her, die es ihm ermöglichen, die Vorhersagen der Klimamodelle für die Gegenwart zu stärken.

In einem Experiment korrigierten und verbesserten Ingenieure Simulationen des Energy Exascale Earth System Model (E3SM) des US-Energieministeriums. Wie die meisten groß angelegten Klimavorhersagemodelle kann E3SM Wettermuster nur mit einer Auflösung von 100 bis 110 Kilometern simulieren. Aber mit acht Jahren bestätigter Klimadaten aus der Vergangenheit brachte das Team seinem Algorithmus neue Korrelationen zwischen dem E3SM und dem realen Wetter bei. Als sie E3SM erneut durchführten und ihren Algorithmus einsetzten, stimmten die verbesserten Ergebnisse viel besser mit dem tatsächlichen Wetter überein als die ursprünglichen E3SM-Vorhersagen.

In einer Mitteilung des MIT erklärte das Team, dass eine „Korrektur“ zu einem Unterschied von 12 °C zwischen der ursprünglichen Ausgabe eines Klimamodells und den verbesserten Ergebnissen ihres Algorithmus führen könnte. Für den Menschen sind 12 Punkte jedoch ein ziemlich bedeutender Unterschied. Diese Fehlerquote wirkt sich auch stark auf extreme Wetterereignisse wie Schneestürme, Tornados, tropische Wirbelstürme, Hitzewellen und Waldbrände aus – Ereignisse, die ganze Gemeinden oder Ökosysteme zerstören können. Da das umfassendere Phänomen des Klimawandels diese Ereignisse oder Wettermuster verschärft, wird Genauigkeit bei der Vorbereitung auf die Zukunft von entscheidender Bedeutung sein.

[MIT]