Künstliche Intelligenz revolutioniert präzise Wettervorhersagen
Der Ärger über unzutreffende Wettervorhersagen könnte dank KI bald der Vergangenheit angehören.
Wussten Sie, dass Satelliten jeden Sturm aus dem Orbit verfolgen können? Doch bisherige Algorithmen zur Analyse der Satellitendaten konnten die Niederschlagsmengen nicht so genau bestimmen wie jene, die bodengebundenen Radarinformationen nutzen.
Eine bahnbrechende Studie zeigt nun auf, dass künstliche Intelligenz (KI) diese Lücke schliessen kann. Diese Erkenntnis ist von grosser Bedeutung
Genauere Angaben über Regen-, Schnee- und Hagelmengen helfen dabei, Wetterprognosen zu verbessern. Wasservorräte sind effizienter zu managen und Klimaveränderungen besser nachzuvollziehen.
Satelliten scannen Wolken – KI liefert Daten zum Niederschlag
Satelliten erfassen hauptsächlich Informationen über Wolkenoberflächen anstatt den tatsächlichen Niederschlag am Boden. Haonan Chen, Mitautor der Studie und Fernerkundungswissenschaftler an der Colorado State University erklärt gegenüber Spectrum IEEE die Details.
Die Gewinnung von Oberflächenniederschlagsinformationen aus Messungen auf den Wolken erfordert ausgeklügelte Modelle. Und genau hier kommt die KI ins Spiel.
In ihrer Studie analysierten Chen und sein Team Daten von den Geostationären Betriebsumwelt-Satelliten (GOES) der US-amerikanischen National Oceanic and Atmospheric Administration. Sie konzentrierten sich dabei auf die GOES-R-Satelliten, welche das sichtbare und infrarote Licht der Erde scannen.
KI lernt wie ein menschliches Gehirn
Die Forscher nutzten tiefe Lernmethoden, bei denen künstliche neuronale Netzwerke zum Einsatz kommen. Diese Systeme lernen ähnlich wie das menschliche Gehirn.
Die einzelnen Komponenten – Neuronen genannt – werden mit Daten gefüttert und arbeiten zusammen, um ein Problem zu lösen. Mit der Zeit entdeckt das Netzwerk Muster, die am besten Ergebnisse liefern und übernimmt diese als Standard.
Das Team experimentierte mit einem neuronalen Netzwerk von mehr als 1,3 Millionen Parametern. Es analysierte GOES-R-Infrarotdaten für den Südwesten der USA aus den Jahren 2018 und 2019.
Künstliche Intelligenz schlägt herkömmliche Algorithmen
Bei Tests an GOES-R-Daten aus dem Jahr 2020 stellten die Wissenschaftler fest: Ihre KI war deutlich besser darin, bodengestützte Radarabschätzungen nachzuahmen als andere Algorithmen zur Analyse von Satellitendaten.
Zudem zeigte sich ihre KI deutlich treffsicherer in der Abschätzung schwerer Niederschläge, wenn sie Blitzdaten berücksichtigte. Zukünftige Forschungen sollen nun testen, wie gut diese KI-Systeme Daten aus anderen Orten analysieren können.
Chen ist zuversichtlich, dass sie dank der GPU-Server der letzten Jahre grosse Mengen an Satellitendaten analysieren und komplexe maschinelle Lernmodelle auf effiziente Weise trainieren zu können.
KI-gestützte Niederschlagsdaten – ein Segen für Forscher weltweit
Bisher konzentrierte sich die Studie auf den Südosten der USA. Doch da die GOES-R-Satelliten die gesamte westliche Hemisphäre abdecken, kann diese Arbeit auf einen viel grösseren Bereich ausgeweitet werden.
Chen sieht grosses Potenzial in der Kombination geostationärer Satellitendaten mit denen anderer Länder in Asien. Damit könne man eine vollständige Niederschlagskarte für den ganzen Globus erstellen.
Das bedeutet auch, dass Forscher von KI-unterstützten Niederschlagsschätzungen profitieren könnten. Das gilt auch für Orte, an denen bodengebundene Wetterradare fehlen.
