Jeder, der in einen unerwarteten Regenguss geraten ist, weiß, dass Wettervorhersagen eine unvollkommene Wissenschaft sind. Jetzt nehmen Forscher am Stevens Institute of Technology einen der größten blinden Flecken der Meteorologen ins Visier: extrem kurzfristige Vorhersagen oder Nowcasts, die vorhersagen, was in den nächsten Minuten an einem bestimmten Ort passieren wird.
„Hier geht es nicht nur darum, ob man beim Spaziergang seinen Regenschirm mitnehmen sollte“, sagt Temimi. „Die Prognosen, die uns fehlen – die zwei bis fünf Minuten in die Zukunft blicken – sind genau das, was wir brauchen, um effektiv auf Stürme, Überschwemmungen und andere Notfälle reagieren zu können.“
Die National Oceanic and Atmospheric Administration (NOAA) veröffentlicht rund um die Uhr Niederschlagsvorhersagen, ihre kurzfristigsten Vorhersagen beginnen jedoch einige Stunden in der Zukunft. Das Fehlen unmittelbarerer Nowcastings behindert die Reaktion der Gemeinschaft auf plötzliche Katastrophen wie beispielsweise Hurrikan Ida, bei dem schnelle Überschwemmungen in New York City mehrere Menschen töteten, erklärte Marouane Temimi, ein Hydrometeorologe bei Stevens, dessen Arbeit in erscheint Umweltmodellierung und Software.
Forscher in Temimis Labor verwendeten historische Daten der Wetterradarsysteme der NOAA, um die Genauigkeit von sieben verschiedenen Nowcasting-Algorithmen zu testen. Durch die Untersuchung meteorologischer Daten aus acht Jahren aus der Region New York konnten sie den ersten belastbaren Vergleich der Genauigkeit der Modelle über ein breites Spektrum von Wetterbedingungen hinweg liefern. Die Arbeit wird dazu beitragen, herauszufinden, welche Modelle an einem bestimmten Standort oder Anwendungsfall am besten funktionieren.
Das Stevens-Team untersuchte sowohl deterministische als auch probabilistische Nowcasting-Modelle. Während Ersteres davon ausgeht, dass sich eine Regenzelle im Laufe der Zeit nicht verändert, erklärt Letzteres die chaotische, sich ständig verändernde Natur einer Regenzelle, die durch die Dynamik warmer und kalter Luft innerhalb einer Wolke bestimmt wird. Für Vorhersagen über Zeiträume von wenigen Minuten erwiesen sich beide Modelle als äußerst genau. Über Zeiträume von bis zu 90 Minuten waren probabilistische Modelle jedoch deutlich genauer.
Wenn probabilistische Modelle sowohl lang- als auch kurzfristige Niederschlagsereignisse sehr genau vorhersagen können, warum gibt es dann deterministische Modelle? Die Validierung deterministischer Modelle ist nützlich, da probabilistische Modelle weitaus rechenintensiver sind. Beispielsweise erwies sich LINDA-P, ein probabilistisches Modell, als das genaueste getestete Modell, aber es dauert 15 Minuten, um einen Nowcast basierend auf den aktuellen Bedingungen zu erstellen. Daher kann es nicht für extrem kurzfristige Prognosen verwendet werden.
Einige Modelle schneiden unter bestimmten Bedingungen auch besser ab: LINDA-P ist darauf ausgelegt, plötzliche Starkregenfälle vorherzusagen, wodurch es in den Sommermonaten, in denen sporadische, aber heftige Stürme wahrscheinlicher sind, andere Modelle übertrifft. Andere Modelle machen granulare Vorhersagen, die fehleranfälliger sind, aber nützlich sind, wenn Prognosen mit höherer Auflösung erforderlich sind.
„Die wichtigste Erkenntnis ist, dass wir Nowcasting-Modelle basierend auf ihrem beabsichtigten Anwendungsfall auswählen müssen“, sagte Achraf Tounsi, der Hauptautor des Papiers, der kürzlich seine Doktorarbeit in Temimis Labor abgeschlossen hat. „Wenn Sie wissen möchten, ob es in den nächsten fünf Minuten regnen wird, benötigen Sie ein deterministisches Modell. Wenn Sie einen Flughafen oder Seehafen betreiben und Daten für die nächsten 20 Minuten oder Stunden benötigen, sind Sie damit besser bedient.“ ein probabilistisches Modell.
Temimi und Tounsi werden den Gründen nachgehen, warum bestimmte Modelle unter verschiedenen Bedingungen besser abschneiden als andere. Durch die Nutzung dieser Erkenntnisse zur Verbesserung von Algorithmen und zur Beschaffung präziserer Wetterdaten sollte es möglich sein, vielseitigere und genauere Nowcasting-Modelle zu entwickeln.
„Das ist unsere nächste Aufgabe“, sagte Tounsi. „Wir hoffen, unser eigenes Nowcasting-Modell zu entwickeln – und ihm beizubringen, die Modelle, die wir in diesem Artikel bewertet haben, zu übertreffen.“
Mehr Informationen:
Achraf Tounsi et al., Bewertung deterministischer und probabilistischer Niederschlags-Nowcasting-Techniken über dem Großraum New York, Umweltmodellierung und Software (2023). DOI: 10.1016/j.envsoft.2023.105803