Die Genauigkeit von Niederschlagskarten ist für die Klima- und Hydraulikmodellierung von entscheidender Bedeutung und unterstützt die Entscheidungsfindung im Umweltmanagement, die Wasserressourcenplanung und die Wettervorhersage. Forscher der University of Hawaii und des East-West Center haben mithilfe von maschinellem Lernen genauere monatliche Niederschlagskarten entwickelt. Sie verwendeten eine maschinelle Lerntechnik, um fehlerhafte Niederschlagskarten zu erkennen. Die Ergebnisse dieser Studie wurden kürzlich in der veröffentlicht Zeitschrift für Hydrometeorologie.
„Dieser Ansatz zeigt, wie mit einer moderaten Datenmenge ein Low-Level-Algorithmus für maschinelles Lernen verwendet werden kann, um eine unrealistische Kartenausgabe zu trainieren, zu bewerten und zu klassifizieren“, sagte der Hauptautor Matthew Lucas, ein Klimadatenanalyst für die UH Water Resources Forschungszentrum. „Dies ermöglicht kleinere Korrekturen der automatisierten Interpolation (der Prozess der Berechnung eines ungefähren Werts auf der Grundlage bereits bekannter Werte), die eine viel genauere und realistischere Karte der räumlichen Niederschlagsmuster erzeugen können. Wenn dieser Workflow in Hawaii funktionieren kann Aufgrund seiner extremen Klimagradienten kann es definitiv auch anderswo funktionieren.“
Unterstützt durch Rechenressourcen von Mana, dem UH-Hochleistungsrechencluster, wurde diese Erkenntnis während der Entwicklung des Hawaiʻi Climate Data Portal (HCDP) gemacht, das im vergangenen März öffentlich zugänglich gemacht wurde. Das Online-Portal bietet eine innovative automatisierte Lösung, die gut funktioniert und die Gesamtgenauigkeit der Kartenausgaben bewahrt.
Die Studie führte zu hochauflösenden, gerasterten monatlichen Niederschlagszeitreihendaten für den Bundesstaat Hawaii über einen Zeitraum von 30 Jahren. Niederschlagskarten reichen von 1990 bis 2019 und verwenden Daten von mehr als 600 Wetterbeobachtungsstationen auf den Inseln.
„Ein breites Spektrum an gerasterten Produkten wird Forschern die Möglichkeit geben, wichtige Entscheidungshilfen für den Staat zu entwickeln, wie z. B. Brand-, Überschwemmungs- und Dürrerisiko- und Frühwarnsysteme“, sagte Co-Autor Ryan Longman, ein Forschungsstipendiat für Ozeanien bei East-West Center. „Jetzt, da qualitativ hochwertige Niederschlagskarten nahezu in Echtzeit verfügbar sind, können Forscher weniger Zeit mit der Verarbeitung von Daten und mehr Zeit mit der Beantwortung wichtiger Fragen verbringen, die uns helfen können, sich ändernde Umweltbedingungen besser zu verstehen und uns an sie anzupassen.“
Zusätzlich zu den laufenden Verbesserungen aktueller Klimadatenprodukte sind die Forscher dabei, Methoden zu entwickeln, um die Erstellung von täglichen Niederschlagskarten und anderen gerasterten Klimaprodukten für den Bundesstaat Hawaii zu automatisieren. Alle Datenprodukte sind für die Datenvisualisierung und den öffentlichen Download über verfügbar Hawaiʻi Klimadatenportal.
Matthew P. Lucas et al, Optimizing Automated Kriging to Improve Spatial Interpolation of Monthly Rainfall over Complex Terrain, Zeitschrift für Hydrometeorologie (2022). DOI: 10.1175/JHM-D-21-0171.1
Bereitgestellt von der Universität von Hawaii