Physik trifft maschinelles Lernen für bessere Zyklonvorhersagen

Das Wetter ist ein entscheidender Faktor bei der Vorhersage tropischer Wirbelstürme: Je mehr Warnungen eine Gemeinde hat, desto besser sind ihre Mitglieder vorbereitet, wenn ein Sturm auf Land trifft. Derzeit können Verlauf und Art tropischer Wirbelstürme nur fünf Tage im Voraus vorhergesagt werden.

Aber neue Forschungsergebnisse veröffentlicht in Geophysikalisches Forschungsjournal Sie untersuchten eine neue Methode zur Vorhersage dieser Stürme, die diese Vorlaufzeit auf zwei Wochen verlängern könnte.

Die Forscher haben ein Hybridmodell für die längerfristige Vorhersage tropischer Wirbelstürme entwickelt, das die Stärke und hohe Auflösung des physikbasierten Weather Research and Forecasting (WRF)-Modells mit den Fähigkeiten einer groß angelegten Zirkulationsmodellierung und der Verfolgung von Stürmen durch eine Maschine kombiniert Lernmodell namens Pangu-Weather (Pangu).

Das WRF unterteilt die Erdoberfläche in ein Gitter, dessen Quadrate auf jeder Seite nicht länger als 2 Kilometer sind, und simuliert so die Prozesse, die bei der Entwicklung eines tropischen Wirbelsturms ablaufen. Physikbasierte Modelle wie das WRF weisen jedoch einige Einschränkungen bei der Vorhersage der Sturmintensität auf, da sie sich ändernde Umweltfaktoren wie Meeresoberflächentemperaturen oder Wechselwirkungen mit anderen Stürmen nicht immer berücksichtigen.

Vorhersagemodelle für maschinelles Lernen eignen sich besser für die Vorhersage tropischer Wirbelsturmbahnen, aber die 25-Kilometer-Auflösung von Pangu bedeutet, dass kleinere Schwankungen innerhalb eines sich entwickelnden Sturms übersehen werden können.

Um diese Einschränkungen zu verringern, kombinierten die Forscher die WRF- und Pangu-Modellansätze. Sie führten über einen Zeitraum von zwei Wochen sechs Experimente durch, um ihr Modell zu testen. Nachdem sie ihre Modelle angepasst hatten, testeten sie ihren Ansatz als Fallstudie am tropischen Wirbelsturm Freddy im Jahr 2023, dem längsten seit Beginn der Aufzeichnungen.

Sie fanden heraus, dass der Hybridansatz die Tracking- und Intensitätsvorhersagen im Vergleich zur Verwendung einer einzelnen Modellierungsmethode deutlich verbesserte. Ihr Ansatz erhöhte außerdem die Vorhersagegenauigkeit von fünf auf sieben Tage und ermöglichte es, Freddys Flugbahn und Intensität während der gesamten zwei Wochen genau zu verfolgen.

Die Autoren stellen fest, dass ihr Modellierungsansatz durch mehr Tests tropischer Wirbelsturmfälle die Warnzeit auf mehr als zwei Wochen verlängern könnte, was gefährdeten Gemeinden dabei helfen könnte, sich besser auf schwere Stürme vorzubereiten.

Dieser Artikel wurde mit freundlicher Genehmigung von Eos, gehostet von der American Geophysical Union, erneut veröffentlicht. Lesen Sie hier den Originalartikel.