Warum Können Wetterstationen Und KI Das Wetter Nicht Genau Vorhersagen?

Laut der Prognose der Wetterbehörde wird es in Beijing am 12. August die schwersten Regenfälle seit Beginn der diesjährigen Hochwassersaison geben. Dies hat die Aufmerksamkeit aller Gesellschaftsschichten auf sich gezogen und dazu geführt, dass die Menschen beginnen, den Wettervorhersagen und den ihnen zugrunde liegenden wissenschaftlichen Prognosemethoden mehr Aufmerksamkeit zu schenken. Heutzutage wird künstliche Intelligenz auch bei meteorologischen Beobachtungen eingesetzt.

Laut der Prognose der Wetterbehörde wird es in Beijing am 12. August die schwersten Regenfälle seit Beginn der diesjährigen Hochwassersaison geben. Behörden auf allen Ebenen haben frühzeitig Warnmeldungen herausgegeben.

Nach einer langen Wartezeit von einem Tag und einer Nacht boten die zeitweiligen, heftigen Regenfälle den Internetnutzern viel Inspiration und führten zu vielen weit verbreiteten Witzen. Außerdem macht es alle neugierig, wie man das Wetter vorhersagt. Wie können Wettervorhersagen genauer und aktueller gemacht werden?

Wer ist für die Wettervorhersage verantwortlich, der Drachenkönig oder der Satellit?

In der Vergangenheit basierten Wettervorhersagen auf verschiedenen meteorologischen Beobachtungsinstrumenten und mehreren Wetterstationen. Temperatur, Luftfeuchtigkeit, Luftdruck und andere Indikatoren wurden gemessen und die Beobachtungsergebnisse zusammengefasst und in einem Diagramm dargestellt.

Dieses Bild zeigt die Veränderungen der Atmosphäre in unterschiedlichen Höhen und Lagen und sagt dadurch mögliches Wetter voraus.

Unterschiedliche Wetterbedingungen werden mit unterschiedlichen Einrichtungen erfasst. Zum Beispiel,BodenstationEs kann Wind und Niederschlag usw. direkt messen und außerdem Temperatur-, Druck-, Feuchtigkeits- und Windbeobachtungen sowie Blitzbeobachtungen durchführen.

Radarbeobachtungen, wie z. B.Doppler-RadarKann Niederschlag in Echtzeit erkennen und messen undAutomatische Fernerkundungsbeobachtung.

Der uns bekannte Fengyun-Satellit istWettersatellit, soll multispektrale Bilder liefern, wie z. B. sichtbares Licht bei Tag und Nacht, Infrarotbilder von Wolken, Eis- und Schneebedeckung, Vegetation, Meerwasserfarbe, Meeresoberflächentemperatur usw.;

Heutzutage kommen in der Wettervorhersage objektivere Methoden zum Einsatz, beispielsweise numerische Vorhersagemodelle und algorithmische Vorhersagen, sowie umfassendere Vorhersagesysteme und Beobachtungsdaten.

Die Meteorologie ist so komplex, dass sie die Stärke eines Landes widerspiegeln kann

Die meteorologische Forschung beschäftigt sich nicht nur mit Wind und Regen, sondern deckt die fünf großen Kreise vom Ozean bis zum Himmel ab, nämlich Atmosphäre, Quellen, Lithosphäre, Biosphäre und Kryosphäre.

Der Chefingenieur des Film- und Fernsehzentrums der China Meteorological Administration erwähnte in einem Interview mit "iScientist": "In der meteorologischen Forschung,Um die Bewegung der Atmosphäre und des Ozeans zu erklären, braucht man Physik, um die Veränderungen der Materie zu verstehen, und um zu zählen und zu rechnen, braucht man Mathematik. Hinter den wenigen Zahlen in der Wettervorhersage verbirgt sich eine große Menge an Wissen, das aus interdisziplinären Disziplinen und den stärksten Rechen- und Weltraumforschungskapazitäten eines Landes zusammengetragen wurde."

Das Wetterbeobachtungsnetzwerk meines Landes hat ein dreidimensionales Beobachtungssystem gebildet. Nach Angaben der chinesischen Wetterbehörde vom Mai dieses Jahres verfügt die Wetterbehörde meines Landes mittlerweile über mehr als 70.000 bodengestützte Wetterbeobachtungsstationen mit einer landesweiten Abdeckungsrate von 99,6 % und einer Effizienzsteigerung bei der Datenübertragungszeit von 1 Stunde auf 1 Minute.

Das aus 216 Radargeräten bestehende Wetterradarnetzwerk der neuen Generation hat erfolgreich 17 Wettersatelliten der Fengyun-Serie gestartet, von denen sich sieben im Orbit befinden und Dienste für mehr als 100 Länder und Regionen auf der ganzen Welt sowie für mehr als 2.500 Benutzer in China bereitstellen.

Derzeit gibt es weltweit über 1.000 Wettersatelliten im Weltraum, die eine große Menge an Wetterdaten wie Wind, Regen, Temperatur usw. liefern können. Darüber hinaus gibt es auf der Erde Hunderttausende von nationalen und unternehmensweiten Wetterstationen, die ständig Echtzeitdaten erfassen.

Wetterstationen auf nationaler Ebene bieten Komfort für die Menschen, während Wetterstationen auf Unternehmensebene kommerzielle Dienste anbieten, beispielsweise die Bereitstellung detaillierterer Wetterdaten für große landwirtschaftliche Betriebe, Sportveranstaltungen und die Luftfahrtindustrie.

Es können unvorhersehbare Ereignisse eintreten, die auch von der KI nicht vorhergesagt werden können.

Aktuellen Daten des China Industry Information Network zufolge dürften die Einnahmen der chinesischen Wetterdienstbranche in den nächsten fünf Jahren 300 Milliarden Yuan erreichen.

Viele große Unternehmen wie GE, IBM, Google, Panasonic usw. haben ihre Dienste für meteorologische Daten erweitert und bereitgestellt.

 KI-Tests bei Wind und Wolken: Neuronale Netze 

Anfang des Jahres veröffentlichte Google Maschinelles Lernen zur Niederschlagsvorhersage aus RadarbildernIn einem in der Zeitschrift Nature veröffentlichten Artikel konzentrierten sich Forscher von Google AI auf „Entwicklung eines maschinellen Lernmodells zur Niederschlagsvorhersage“Schlagen Sie neue Forschungsmethoden vor.

Die neue Methode in diesem Artikel besteht darin, mithilfe datenbasierter Methoden ein Modell zur kurzfristigen Niederschlagsvorhersage zu erstellen, ohne dabei irgendwelche atmosphärischen Physikmodelle zu verwenden. Es werden ausschließlich neuronale Netzwerke verwendet, um das Anpassen der Atmosphärenphysik anhand von Trainingsdatensätzen zu erlernen, ohne dass vorherige Grundkenntnisse der Atmosphärenphysik erforderlich sind.

Bei dieser Methode wird die Niederschlagsvorhersage als ein Bild-zu-Bild-Konvertierungsproblem betrachtet und ein Faltungsneuronales Netzwerk mit einer U-Net-Struktur wird verwendet, um den Vorhersagezweck zu erreichen.

 KI-Test: Bilderkennung 

Bei der Wettervorhersage werden Radardaten in Bilder umgewandelt. Durch das Extrahieren von Bildmerkmalen wie Farbton, Sättigung und Helligkeit werden Bilderkennungsmethoden verwendet, um verschiedene Wetterphänomene wie Regen, Schnee, Hagel, Tau, Frost und Nebel (Dunst) zu unterscheiden.

Die ersten drei Bilder in der oberen Reihe zeigen die Radarbilder von vor 60 Minuten, 30 Minuten und 0 Minuten, und das Bild ganz rechts zeigt das Radarbild von in 60 Minuten, das die Grundwahrheit des Nowcasts darstellt.

Das untere linke Feld dient Vergleichszwecken und stellt das Vektorfeld dar, das durch die Anwendung des optischen Flussalgorithmus (OF) zur Modellierung der Advektion der Daten aus den ersten drei Feldern oben erzeugt wird.

Optical Flow OF ist eine in den 1940er Jahren entwickelte Methode der rechnergestützten Bildverarbeitung, die häufig zur Vorhersage kurzfristiger Wetterentwicklungen verwendet wird.
Das Bild unten rechts zeigt eine Beispielprognose für OF, die den Niederschlag recht gut vorhersagt, aber die abnehmende Intensität des Sturms nicht berücksichtigt.

KI für High Performance Computing 

IBM betreibt das globale Wettervorhersagemodell mit der weltweit höchsten Auflösung, das Global High-Resolution Atmosphere Forecast System (GRAF). Es handelt sich um das erste globale Wettermodell, das stündlich aktualisiert wird und in der Lage ist, kleinräumige Wettersysteme wie Gewitter fast überall auf der Erde vorherzusagen.

Um den Betrieb eines großen Systems wie GRAF zu unterstützen, unterstützt IBM 84 AC922-Knoten.Jeder Knoten ist mit vier Nvidia V100 GPUs und 3,5 PB IBM Spectrum Scale Storage ausgestattet und kann bis zu 10 TB Wetterdaten pro Tag verarbeiten.

 KI misst Wind und Wolken: Was KI sagt, zählt nicht 

Obwohl es nun so aussieht, als ob künstliche Intelligenz in vielen Aspekten der wissenschaftlichen Forschung im Bereich der meteorologischen Vorhersage und Wettervorhersage zu einer Beschleunigung geführt hat. Nach der Befragung von Fachleuten in der Branche erfuhren wir jedoch, dass bei der WettervorhersageEs gibt Tausende von Faktoren, die Wetteränderungen beeinflussen, sei es Sonnenlicht oder Meeresströmungen. Jede Variable ändert sich ständig und wird den Klimawandel beeinflussen.

Je mehr Variablen beteiligt sind, desto höher sind die Anforderungen an die Trainingsdaten und die Rechenleistung der KI. So kam es beispielsweise zu den starken Regenfällen in Peking währendEs wird einen gewissen Fehler bei der Vorhersage und Warnung vor schwerem konvektiven Wetter einen Tag im Voraus gebenOb umfassende Analyse oder KI: Bis zur Vorhersage meteorologischer Daten ist es noch ein weiter Weg.

Der plötzliche Regen in Peking hat jedoch dazu beigetragen, dass mehr Menschen die wissenschaftlichen Erkenntnisse und Forschungsanstrengungen verstehen, die den Wettervorhersagen zugrunde liegen, was ein zeitgemäßes und fruchtbares Ergebnis ist.

Quellen:

– iScientist: Warum sind Wettervorhersagen manchmal ungenau? Wir haben mit dem Wettermann gesprochen.

– Google:Verwendung von maschinellem Lernen zur „Nowcast“ von Niederschlägen in hoher Auflösung》

– MaschinenherzVerbessern Sie die Datenanalyse, die genaue Wettervorhersage und die KI-gestützte meteorologische Forschung》

– IBM https://www.ibm.com/weather/industries/cross-industry/graf

-- über--