Microsoft präsentiert Machine-Learning-Werkzeug zur Verbesserung der Genauigkeit von Wettervorhersagen mittlerer Reichweite

Image: Illustrative image · Logos of the Nokia Corporation and that of Windows Phone 8 by the Microsoft Corporation. · Public domain · Source

Microsoft hat eine Machine-Learning-Methode entwickelt, um Wettervorhersagen zwei bis sechs Wochen im Voraus zu verbessern, indem Verzerrungen in bestehenden Modellen korrigiert werden, um Planung in Landwirtschaft und Katastrophenschutz zu unterstützen.

Forscher von Microsoft haben eine neuartige Machine-Learning-Technik vorgestellt, die darauf abzielt, die Genauigkeit von Wettervorhersagen mittlerer Reichweite zu verbessern und eine seit Langem bestehende Einschränkung bei traditionellen und KI-basierten Vorhersagemethoden zu adressieren. Veröffentlicht in der Fachzeitschrift Nature, ist dieses kostengünstige Werkzeug – Probabilistische Bias-Korrektur (PBC) genannt – dafür konzipiert, Wettervorhersagen im Zeitraum von zwei bis sechs Wochen im Voraus zu verbessern, ein Zeitraum, in dem die Zuverlässigkeit der Vorhersagen typischerweise abnimmt.

Im Gegensatz zu herkömmlichen physikbasierten Vorhersagemodellen, die die Physik der Erdatmosphäre simulieren, oder KI-Modellen, die auf historischen Wetterdatenmustern basieren, stehen beide vor Herausforderungen durch Annahmen, die verwendet werden, um Datenlücken zu füllen. Diese Annahmen können systematische Verzerrungen einführen, die sich über längere Vorhersagezeiträume ansammeln und die Genauigkeit reduzieren. Zum Beispiel können Klimaveränderungen wie die globale Erwärmung dazu führen, dass Modelle, die sich auf historische Daten stützen, aktuelle Temperaturen unterschätzen.

Microsofts PBC nutzt Machine Learning, um diese systematischen Verzerrungen in bestehenden Vorhersagemodellen zu identifizieren und zu korrigieren. Es wurde am führenden physikbasierten Modell des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF) getestet und verbesserte die Vorhersagegenauigkeit für Niederschlag in 98 % der Fälle und Temperaturvorhersagen in 92 %. Zusätzlich verdoppelte PBC während der Studienanalysen die Genauigkeit des neuen KI-Vorhersagesystems des ECMWF. Diese Forschung wurde vom ECMWF im Rahmen seines AI Weather Quest-Wettbewerbs anerkannt.

Wichtig ist, dass PBC rechnerisch effizient ist und auf CPUs betrieben werden kann, ohne superstromintensive Supercomputer oder GPUs zu benötigen, was es für Wetterdienste mit begrenzten Ressourcen – insbesondere in wirtschaftlich sich entwickelnden Regionen – zugänglich macht. Forscher heben hervor, dass seine leichte Architektur es Wissenschaftlern weltweit ermöglicht, das Werkzeug für lokale Wettervorhersagen anzupassen.

Genevieve Flaspohler, eine Autorin der Studie und Geschäftsführerin von Rhiza Research, arbeitet derzeit mit der Kenianischen Meteorologischen Dienstbehörde zusammen, unterstützt durch Mittel der Gates-Stiftung, um KI-basierte Frühwarnsysteme vor einer erwarteten extremeren Regenzeit im Zusammenhang mit El Niño zu implementieren. Die PBC-Methode ist Teil dieser Initiative, um genauere und zeitnahe Vorhersagen zu liefern, die Landwirten und Einsatzkräften zugutekommen.

Obwohl vielversprechend, warnen Experten, dass der operative Einsatz neuer KI-Vorhersagemethoden weiterhin komplex bleibt. Microsofts Ansatz stellt jedoch einen bedeutenden Schritt hin zu zuverlässigerer Wettervorhersage mittlerer Reichweite und breiterem Zugang zu fortschrittlicher Prognosetechnologie dar.