KI und NVIDIA-GPUs verbessern Wettervorhersage durch Feuchtigkeitsmapping
Seit mehr als einem Jahrhundert verfolgen Meteorologen Stürme mithilfe von Karten, Gleichungen und Supercomputern. Doch eine tückische und zugleich einfache Komponente entzog sich bislang der präzisen Kontrolle: Wasserdampf.
Luftfeuchtigkeit ist der unsichtbare Treibstoff für Gewitter, plötzliche Wolkenbrüche und Überschwemmungen. Sie entscheidet darüber, ob der Regen zu einem Nieselregen wird oder Sie in den Schutzraum treiben lässt. Lange Zeit konnten Satelliten sie nicht präzise genug „sehen“, um vor der Gefahr zu warnen.
Nun bietet das Team der Naturwissenschaftlichen Universität Breslau (UPWr) eine Lösung. Forscher haben gezeigt, wie Deep Learning unscharfe GNSS-Satellitenbilder in präzise dreidimensionale Feuchtigkeitskarten verwandeln kann, und decken so verborgene Wirbel auf, die das lokale Wetter prägen.
Das Geheimnis ist das generative Super-Resolution-Netzwerk (SRGAN), eine KI-Technologie, die dafür bekannt ist, körnige Fotos scharfzuzeichnen. Statt Porträts oder Landschaften trainierten die Forscher das Netzwerk anhand globaler meteorologischer Daten auf NVIDIA-Grafikprozessoren. Dadurch verwandeln sich niedrig auflösende Satellitenbilder in hochpräzise Feuchtigkeitskarten mit minimalen Fehlern.
In Polen reduziert die Methode Fehler um 62 %, in Kalifornien um 52 % – selbst bei regnerischen Bedingungen. Im Gegensatz zu alten Modellen, die Details verschwimmen ließen, erzeugt KI klare Gradienten, die mit den Messungen von Bodeninstrumenten übereinstimmen.
Um die Glaubwürdigkeit der Vorhersagen zu erhöhen, fügten die Forscher zudem erklärbare KI (Explainable AI) hinzu. Mithilfe von Grad-CAM- und SHAP-Visualisierungen wurde deutlich, welchen Bereichen das System Aufmerksamkeit widmet – und das sind exakt die Regionen, in denen Meteorologen auf Stürme warten: Westpolen und die Küstenberge Kaliforniens.
„Hochaufgelöste, zuverlässige Feuchtigkeitsdaten sind das fehlende Glied bei der Vorhersage jener Wetterbedingungen, die den Alltag stören“, sagte Hauptautor Saeid Haji-Aghajany, Assistenzprofessor an der UPWr. „Unser Ansatz schärft nicht nur die GNSS-Tomographie, sondern zeigt uns auch, wie das Modell seine Entscheidungen trifft. Diese Transparenz ist entscheidend, um Vertrauen aufzubauen, während KI in die Wettervorhersage Einzug hält.“
Die Folgen solcher Wetterereignisse können verheerend sein. Die Nutzung präziderer Feuchtigkeitskarten in physikalischen sowie KI-basierten Wettermodellen ermöglicht es, plötzliche Wolkenbrüche und Überschwemmungen vorherzusagen, bevor sie das Gebiet treffen. Dies verschafft gefährdeten Ballungsräumen wertvolle Vorbereitungszeit.
Und all dies hängt von einem oft unterschätzten Faktor ab. Kein Donner. Kein Blitzen. Es ist die Luftfeuchtigkeit.
Für weitere Informationen zu unseren KI-Produkten und -Lösungen für Ihr Unternehmen kontaktieren Sie uns noch heute. Wir sind gerne für Sie da!
