Onderzoekers ontwikkelen AI-model voor het genereren van realistische wereldwijde neerslagkaarten

Steeds vaker voorkomende zware weersomstandigheden zoals zware regenval zijn wereldwijd een toenemende zorg. Betrouwbare beoordelingen van deze gebeurtenissen kunnen levens redden en eigendommen beschermen. Onderzoekers van het Karlsruhe Institute of Technology (KIT) hebben een nieuwe methode ontwikkeld die gebruikmaakt van kunstmatige intelligentie (AI) om gegevens over wereldwijde weersomstandigheden met lage resolutie om te zetten in hoge-resolutie neerslagkaarten. Deze methode is snel, efficiënt en onafhankelijk van locatie. Hun bevindingen zijn gepubliceerd in npj Climate and Atmospheric Science.

“Zware regenval en overstromingen komen in veel regio’s van de wereld veel vaker voor dan enkele decennia geleden,” zegt Dr. Christian Chwala, expert op het gebied van hydrometeorologie en machine learning aan het Institut für Meteorologie und Klimaforschung (IMK-IFU), KIT’s campus in het Duitse Garmisch-Partenkirchen. “Maar tot nu toe ontbraken de gegevens die nodig zijn voor betrouwbare regionale beoordelingen van dergelijke extreme gebeurtenissen voor veel locaties.”

Zijn onderzoeksteam pakt dit probleem aan met een nieuwe AI die nauwkeurige wereldwijde neerslagkaarten kan genereren uit informatie met lage resolutie. Het resultaat is een uniek hulpmiddel voor de analyse en beoordeling van extreem weer, zelfs voor regio’s met een slechte datakwaliteit, zoals het Global South.

Voor hun methode gebruiken de onderzoekers historische gegevens van weer modellen die wereldwijde neerslag op uurbasis beschrijven met een ruimtelijke resolutie van ongeveer 24 kilometer. Niet alleen is hun generatieve AI-model (spateGEN-ERA5) getraind met deze gegevens, het heeft ook geleerd (van hoge-resolutie weer radar metingen in Duitsland) hoe neerslagpatronen en extreme evenementen op verschillende schalen correleren, van grof tot fijn.

“Ons AI-model creëert niet alleen een scherpere versie van de invoergegevens, het genereert meerdere fysiek plausibele, hoge-resolutie neerslagkaarten,” zegt Luca Glawion van IMK-IFU, die het model ontwikkelde tijdens zijn promotieonderzoek in het SCENIC-onderzoeksproject. “Details met een resolutie van 2 kilometer en 10 minuten worden zichtbaar. Het model biedt ook informatie over de statistische onzekerheid van de resultaten, wat vooral relevant is bij het modelleren van regionale zware neerslag evenementen.”

Hij merkte ook op dat validatie met weer radar gegevens uit de Verenigde Staten en Australië toonde dat de methode kan worden toegepast op totaal verschillende klimatologische omstandigheden.

Betrouwbare beoordeling van overstromingsrisico’s wereldwijd

Met de wereldwijde toepasbaarheid van hun methode bieden de onderzoekers nieuwe mogelijkheden voor een betere beoordeling van regionale klimaatrisico’s. “Het zijn vooral de kwetsbare regio’s die vaak de middelen missen voor gedetailleerde weerobservaties,” zegt Dr. Julius Polz van IMK-IFU, die ook betrokken was bij de ontwikkeling van het model. “Onze aanpak stelt ons in staat om veel betrouwbaardere beoordelingen te maken van waar zware regenval en overstromingen waarschijnlijk zullen optreden, zelfs in dergelijke regio’s met een slechte datakwaliteit.”

Niet alleen kan de nieuwe AI-methode bijdragen aan rampenbestrijding in noodsituaties, het kan ook helpen bij het implementeren van effectievere langetermijnpreventieve maatregelen, zoals overstromingsbeheersing.