Bei der Vorhersage tropischer Wirbelstürme ist Zeit von entscheidender Bedeutung: Je mehr Vorwarnzeit eine Gemeinschaft hat, desto besser sind ihre Mitglieder vorbereitet, wenn ein Sturm an Land geht. Derzeit können der Weg und die Art tropischer Wirbelstürme nur bis zu fünf Tage im Voraus vorhergesagt werden.
Aber neue Forschungsergebnisse veröffentlicht in Zeitschrift für geophysikalische Forschung untersuchte eine neue Methode zur Vorhersage dieser Stürme, mit der die Vorlaufzeit auf zwei Wochen verlängert werden könnte.
Die Forscher entwickelten ein Hybridmodell für die Vorhersage tropischer Wirbelstürme über längere Zeiträume, das die Stärke und hohe Auflösung der physikbasierten Wetterforschungs- und -vorhersagemodell (WRF) mit den großräumigen Zirkulations- und Sturmpfadmodellierungsfunktionen eines maschinellen Lernmodells namens Pangu-Wetter (Pangu).
WRF unterteilt die Erdoberfläche in ein Raster mit Quadraten von nur 2 Kilometern Kantenlänge und simuliert so die Prozesse, die bei der Entwicklung eines tropischen Wirbelsturms eine Rolle spielen. Physikbasierte Modelle wie WRF haben jedoch einige Einschränkungen bei der Vorhersage der Sturmintensität, da sie sich ändernde Umweltfaktoren wie die Meeresoberflächentemperatur oder Wechselwirkungen mit anderen Stürmen nicht immer erfassen.
Auf maschinellem Lernen basierende Vorhersagemodelle können die Zugbahnen tropischer Wirbelstürme besser vorhersagen, doch die Auflösung von Pangu von 25 Kilometern bedeutet, dass kleinräumigere Schwankungen innerhalb eines sich entwickelnden Sturms nicht erkannt werden können.
Um diese Einschränkungen zu reduzieren, kombinierten die Forscher die Ansätze der WRF- und Pangu-Modelle. Sie führten im Verlauf von zwei Wochen sechs Experimente durch, um ihr Modelldesign zu testen. Nachdem sie ihre Modelle angepasst hatten, testeten sie ihren Ansatz als Fallstudie an Freddy im Jahr 2023 – dem am längsten anhaltenden tropischen Wirbelsturm aller Zeiten.
Sie fanden heraus, dass der hybride Ansatz die Verfolgungs- und Intensitätsprognosen im Vergleich zur Verwendung nur einer Modellierungsmethode deutlich verbesserte. Ihr Ansatz ermöglichte auch genaue Vorhersagen von fünf auf sieben Tage und passte Freddys Weg und Intensität über die gesamten zwei Wochen hinweg genau an.
Die Autoren weisen darauf hin, dass ihr Modellierungsansatz durch mehr Tests bei tropischen Wirbelstürmen die Warnzeit auf über zwei Wochen verlängern und so gefährdeten Gemeinden dabei helfen könnte, sich besser auf schwere Stürme vorzubereiten.
Weitere Informationen:
Liu et al., Ein hybrides, auf maschinellem Lernen und Physik basierendes Modellierungsframework für die 2-wöchige erweiterte Vorhersage tropischer Wirbelstürme. Journal of Geophysical Research: Maschinelles Lernen und Berechnung (2024). DOI: 10.1029/2024JH000207. agupubs.onlinelibrary.wiley.co … 10.1029/2024JH000207
Diese Geschichte wurde mit freundlicher Genehmigung von Eos, gehostet von der American Geophysical Union, erneut veröffentlicht. Lesen Sie die Originalgeschichte Hier.