Waldschutz

Wie lassen sich schwere Windböen besser vorhersagen?

Bearbeitet von Jörg Fischer

Stürme richten in unseren Wäldern immer wieder schwere Schäden an. Mehr als deutlich wurde dies zuletzt nach den Februarstürmen in diesem Jahr. Insbesondere einzelne, besonders schwere Windböen erreichen dabei ein enormes Schadenspotenzial. Forschende des Karlsruher Instituts für Technologie (KIT) wollen jetzt mithilfe von Methoden aus der Statistik und mit künstlicher Intelligenz (KI) systematische Fehler in Wettermodellen korrigieren, um die Vorhersage schwerer Windböen zu erleichtern.

Im Fokus der Forschenden stehen Windböen mit einer Geschwindigkeit von mehr als 65 km/h. Ab dieser Windgeschwindigkeit drohen erhebliche Schäden und Risiken für Mensch, Tier und Infrastruktur. „Windböen lassen sich jedoch nur schwer modellieren, da sie durch kleinskalige Prozesse angetrieben werden und sehr lokal auftreten“, so Benedikt Schulz, Doktorand am Institut für Stochastik des KIT. „Deshalb ist ihre Vorhersagbarkeit für numerische Wettervorhersagemodelle, die bei Wetterdiensten eingesetzt werden, begrenzt und mit Unsicherheiten behaftet.“

Die Meteorologinnen und Meteorologen erstellen deshalb sogenannte Ensemble-Vorhersagen: Ausgehend vom aktuellen Zustand der Atmosphäre führen sie mehrere Modellrechnungen durch, die sich jeweils auf leicht unterschiedliche Rahmenbedingungen beziehen. So können sie verschiedene Szenarien über die zukünftige Entwicklung des Wetters erfassen. „Trotz kontinuierlicher Verbesserungen zeigen diese Ensemble-Wettervorhersagen noch systematische Fehler, da lokale, teils zeitlich variable Gegebenheiten den Modellen nicht mitgegeben werden können“, so Schulz. „Mithilfe von Künstlicher Intelligenz wollen wir diese systematischen Fehler korrigieren, um die Vorhersagen zu verbessern und gefährliche Wetterphänomene verlässlicher vorherzusagen.“

Wie die Forschenden die Vorhersage von Windböen verbessern wollen

„Wir haben sowohl bestehende als auch neue Methoden zur statistischen Nachbearbeitung numerischer Wettervorhersagen betrachtet und einen systematischen Vergleich ihrer Vorhersagequalität durchgeführt“, erklärt Dr. Sebastian Lerch, der am Institut für Volkswirtschaftslehre des KIT die von der Vector Stiftung geförderte Nachwuchsgruppe „KI-Methoden für probabilistische Wettervorhersagen“ leitet. Zusammen mit Benedikt Schulz hat Lerch erstmals eine Vielzahl verschiedener Verfahren aus Statistik und KI zum Nachbearbeiten von Ensemble-Vorhersagen für Windböen verglichen.

Es habe sich gezeigt, dass grundsätzlich alle Nachbearbeitungsverfahren zuverlässige Prognosen der Windböen-Geschwindigkeiten ermöglichen, so die Forscher. „Allerdings sind KI-Methoden dabei klassischen statistischen Ansätzen deutlich überlegen und liefern wesentlich bessere Ergebnisse, da sie es erlauben, neue Informationsquellen wie geografische Gegebenheiten oder weitere meteorologische Variablen wie die Temperatur und die Sonnenstrahlung besser miteinzubeziehen“, so Lerch. Die Vorhersagen der KI-Methoden verringere hierbei die Prognosefehler von Wettermodellen um ca. 36 %, fügt Schulz hinzu.

Statistik versus KI

Basierend auf Vorhersagen des Wettermodells des Deutschen Wetterdienstes (DWD) an 175 Beobachtungsstationen in ganz Deutschland lieferten die KI-Methoden an mehr als 92 % der Stationen bessere Vorhersagen als alle Referenzmodelle zur statistischen Nachbearbeitung. Eine zentrale Rolle spiele dabei laut der beiden Wissenschaftler die Fähigkeit der neuronalen Netze, aus den verfügbaren großen Datenmengen komplexe und nicht-lineare Zusammenhänge zu lernen, um so die systematischen Fehler in den Ensemble-Vorhersagen zu korrigieren. „Durch die Analyse, welche der Informationen für die Methoden besonders relevant sind, lassen sich außerdem Rückschlüsse auf meteorologische Prozesse ziehen“, betont Schulz.

Die Forschenden wollen mit ihren Ergebnissen zur Methodenentwicklung für die Wettervorhersage an der Schnittstelle zwischen Statistik und KI beitragen. „Die untersuchten Methoden könnten beispielsweise bei Wetterdiensten eingesetzt werden, um die Vorhersagen zu verbessern“, so Lerch. „Dazu sind wir im aktiven Austausch mit dem Deutschen Wetterdienst und anderen internationalen Wetterdiensten.“

Originalpuplikation: Benedikt Schulz und Sebastian Lerch: Machine Learning Methods for Postprocessing Ensemble Forecasts of Wind Gusts: A Systematic Comparison. Monthly Weather Review (MWR), 2022. DOI: 10.1175/MWR-D-21-0150.1.

Mit Material vom KIT