Hagelsturm-Zentrum Sammelt Daten, Große Modelle Unterstützen Extremwettervorhersagen, „Storm Chasers“ Stehen Auf Der Bühne

In dem bekannten Abenteuer-Katastrophenfilm „Twister“ aus dem Jahr 1996 brachte der Protagonist Detektionsgeräte in das Zentrum des Tornados, um eingehende Tornado-Forschung zu betreiben und eine Echtzeit-Datenaufzeichnung zu realisieren.

Inspiriert von diesem Film begannen die australischen Meteorologen Joshua Soderholm und Julian Brimelow ihre eigene Sturmjagdreise.Darüber hinaus brachten sie erfolgreich eine kleine Wettersensor-Hagelsonde in einen Hagelsturm ein, um während des Hagelsturms meteorologische Daten zu sammeln, und revolutionierten damit die Art und Weise, wie Extremwetter untersucht wird.

Weitere Filmdetails finden Sie unter:https://movie.douban.com/subject/1292454/

Die Eissonde hat eine hagelähnliche Form und wiegt etwa 24 g. Sie wurden an Ballons befestigt und gemeinsam in den Hagelsturm entlassen. Nachdem sie das Zentrum des Hagelsturms erreicht hatten, trennten sich die beiden.Bei der Eiserkundung handelt es sich um eine Untersuchung der Flugbahn des Hagels in einem Hagelsturm und um die Aufzeichnung der Wachstumsbedingungen des Hagels, während er sich in einem Hagelsturm bewegt.Darüber hinaus registrierte die Eissonde ein signifikantes Eiswachstum und folgte der Mesozyklone der Superzelle über eine halbe Umdrehung.

„Es begann als außerschulisches Projekt, um herauszufinden, ob wir mithilfe vorhandener Technologie ein Gerät wie das im Film bauen könnten. Wir mussten viele technische Probleme lösen, um sicherzustellen, dass die Eissonde den extremen Bedingungen eines Hagelsturms standhält“, sagte Joshua Soderholm.

「Das Sammeln von Daten aus dem Epizentrum eines Hagelsturms ist wie die Jagd nach dem weißen Wal der Meteorologie – gefährlich und faszinierend zugleich.Die vom Hagelsturmzentrum gesammelten Daten werden unsere Fähigkeit verbessern, Hagelstürme zu simulieren und direkte Beweise dafür liefern, wie sich Hagel während Hagelstürmen verhält. Aber es ist nicht so einfach, wie es klingt. Sie müssen zur richtigen Zeit am richtigen Ort sein und dem richtigen Hagelsturm begegnen. "

Nach einigen Tagen Pech trafen sie auf eine Superzelle und konnten erfolgreich zwei Eissonden in den Hagelsturm abwerfen.Eine Superzelle ist ein einzelnes starkes Gewittersystem mit einer horizontalen Ausdehnung von mehr als zehn Kilometern und einer Lebensdauer von einigen zehn Minuten bis Stunden. Es ist größer, hartnäckiger und bringt heftigere Wetterbedingungen mit sich als ein gewöhnliches, einzelnes Gewitter.Nachdem die Eissonde von der Superzelle erfasst worden war, löste sie sich vom Ballon, schwebte wie Hagel mit dem Hagelsturm und wurde schließlich von Windgeschwindigkeiten von über 120 km/h in ein 7 km entferntes Gebiet getragen.

Auf Grundlage dieser Forschung planen sie, weitere Eissonden einzusetzen, um die nächste Superzelle aufzuzeichnen und auf den Boden fallende Eissonden einzusammeln, um den fallenden Hagel eingehender zu erforschen.

Unvorhersehbare Wettersysteme

Wettervorhersagen sind ohne menschliche Beteiligung nicht möglich. Selbst mit Hilfe von Supercomputern, Satellitendaten und Radardaten ist es für uns immer noch schwierig, genaue Vorhersagen über Wettersysteme zu treffen. Im Jahr 1961 versuchte der amerikanische Meteorologe Edward Norton Lorenz, mithilfe eines Computerprogramms das zukünftige Wetter vorherzusagen.

Nachdem er das Ergebnis erhalten hatte, verwendete er den Ausgabewert des Programms im Zwischenschritt als Eingabewert des nächsten Schritts und führte das Programm erneut aus. Da der Eingabewert jedoch nur 3 Dezimalstellen enthält und das Programm mit 6 Gleitkommazahlen läuft,Diese Tausendstelabweichung führt dazu, dass der Ausgabewert des Programms völlig anders ist als das beim letzten Mal erzielte Ergebnis.

Auf dieser Grundlage schlug er das Konzept des chaotischen Systems vor. Das meteorologische System ist ein typisches chaotisches System. Es ist nicht völlig zufällig, kann sich aber aufgrund von Änderungen bestimmter Faktoren leicht drastisch ändern.Mit anderen Worten: Das meteorologische System ist ein sehr empfindliches System.

Der „Schmetterlingseffekt“ ist ein übertriebenes, aber typisches Beispiel. Ein Schmetterling, der im tropischen Regenwald Südamerikas mit den Flügeln schlägt, könnte einen Tornado in die Vereinigten Staaten bringen. Der Grund dafür liegt darin, dass der Schmetterling die ursprünglichen Variablen des Systems gestört hat.

Daher ist es schwierig, absolut genaue Wettervorhersagen zu erstellen. Die bestehenden WettervorhersagemethodenDabei handelt es sich um die numerische Wettervorhersage (NWP), bei der zunächst das Vorhersagegebiet in Gitter unterteilt wird und dann Supercomputer verwendet werden, um partielle Differentialgleichungen durch numerische Simulation zu lösen.

Diese Methode ist sehr zeitaufwändig. Selbst mit einem Supercomputer mit Hunderten von Knoten dauert es mehrere Stunden, das Wetter für die nächsten zehn Tage vorherzusagen. Gleichzeitig ist aufgrund der begrenzten RasterauflösungEinige kleinräumige meteorologische Prozesse werden durch Näherungsfunktionen parametrisiert, was zu Fehlern in den Wettervorhersagen führt.

Aus diesem GrundEs ist schwierig, dass NWP für kleinräumige Extremwetterereignisse sowie mittel- und langfristige Wettervorhersagen perfekt geeignet ist.Nachdem sich in diesem Jahr der Taifun Dusurui Nr. 5 gebildet hatte, nutzten verschiedene Institutionen Supercomputer, um seinen Weg auf der Grundlage unterschiedlicher Modelle vorherzusagen, und die Strukturen waren sehr unterschiedlich. Sogar die Vorhersagen desselben Modells werden aufgrund sich ändernder Wetterbedingungen ständig überarbeitet, und relativ genaue Vorhersagen können nur gemacht werden, bevor der Taifun das Festland erreicht.

Auch der nachfolgende Taifun Nr. 6 Kanu hatte eine einzigartige Bewegung. Plötzlich drehte er über dem Pazifischen Ozean ab, begann dann zu wandern und traf schließlich direkt auf Japan, was sogar Supercomputer verwirrte.

Da die Wettervorhersagen der verschiedenen Agenturen jedoch stark voneinander abweichen, ist für die Wettervorhersage weiterhin die Beteiligung von Meteorologen erforderlich.Der Meteorologe kombiniert alle Ergebnisse der Wettervorhersage und erstellt die endgültige Wettervorhersage auf Grundlage lokaler Klimaeigenschaften, Geländebedingungen, persönlicher Erfahrungen usw.Es kann jedoch immer noch keine Garantie für die vollständige Richtigkeit gegeben werden. Dagegen kann man nichts tun, das Wettersystem ist einfach so unberechenbar.

Jäger extremer Wetterbedingungen

Kleinräumige Superzellen stellen eine Lücke in mittel- und langfristigen Wettervorhersagen dar.Die Charakteristika von Superzellen liegen darin, dass sie sich schnell bilden, schwer vorherzusagen sind und zu extremen Wetterereignissen wie Gewittern, Hagel, Starkregen oder Tornados neigen..

Am Abend des 16. August 2021 wurde der Pekinger Bezirk Haidian von einer Superzelle heimgesucht und es kam plötzlich zu heftigen Regenfällen. Der Wasserstand unter der Hanhe Road Railway Bridge stieg innerhalb von 30 Minuten auf 1,75 Meter, was zum Tod von zwei Menschen führte. Am Nachmittag des 13. August 2023 traf ein Tornado den Bezirk Dafeng in der Stadt Yancheng in der Provinz Jiangsu. Dabei kamen zwei Menschen ums Leben, 15 wurden verletzt. Auch die Entstehung dieses Tornados stand im Zusammenhang mit einer Superzelle.

Spektakuläre Wetterphänomene wie Gewitter, Hagel und Tornados können jedoch eine Augenweide für Entdecker sein und ziehen daher viele Sturmjäger wie Söderholm an. Immer wenn sich ein Taifun nähert oder die Bildung einer Superzelle in der Nähe droht, treffen Sturmjäger umfassende Vorbereitungen und eilen auf den Sturm zu.

Gleichzeitig war er der erste Zeuge extremer Wetterereignisse.Sturmjäger können außerdem Informationen aus erster Hand über extreme Wetterlagen sammeln und wertvolles Material für die meteorologische Forschung liefern.Bereichern Sie die Datenbasis bestehender Computermodelle und KI-Modelle und leisten Sie wichtige Beiträge zur Entwicklung der Meteorologie.

Ein großes meteorologisches Modell vergleichbar mit NWP

Bereits 2021 gab Alibaba Cloud bekannt, dass die DAMO Academy und das National Meteorological Center gemeinsam einen KI-Algorithmus zur Wettervorhersage entwickelt haben.Und mehrere schwere konvektive Wetterereignisse erfolgreich vorhergesagt. Im September desselben Jahres veröffentlichte Deepmind einen Artikel in Nature, in dem er tiefe generative Modelle zur Erstellung von Niederschlagsvorhersagen in Echtzeit verwendete.

Anfang des Jahres hat Deepmind GraphCast offiziell eingeführt, das das globale Wetter für die nächsten 10 Tage mit einer Auflösung von 0,25° innerhalb einer Minute vorhersagen kann. Im April entwickelten die Nanjing University of Information Science and Technology und das Shanghai Artificial Intelligence Laboratory gemeinsam das Wettervorhersagemodell „Fengwu“, das den Fehler im Vergleich zu GraphCast weiter reduzierte.

Anschließend brachte Huawei das Wettermodell „Pangu“ auf den Markt. Da ein dreidimensionales neuronales Netzwerk in das Modell eingeführt wird,Zum ersten Mal übertraf die Vorhersagegenauigkeit von Pangu das genaueste derzeit verfügbare NWP-Vorhersagesystem.Vor kurzem haben die Universitäten Tsinghua und Fudan nacheinander die Modelle „NowCastNet“ und „Fuxi“ veröffentlicht.Ersteres ist bei kurzfristigen Extremwettervorhersagen sehr nützlich, während Letzteres den Vorhersagezeitraum auf 15 Tage verlängert.

Rot: Vorhersagen des Pangu-Modells

Blau: ECMWF-Vorhersage

Schwarz: Tatsächliche Situation

Es ist ersichtlich, dass die großräumigen meteorologischen Vorhersagemodelle sich hinsichtlich der Vorhersagegenauigkeit und der Vorhersagezeit immer mehr den traditionellen NWP-Analysemodellen annähern und diese teilweise sogar übertreffen.Gleichzeitig erfordert die Wettervorhersage mit KI-Großmodellen im Vergleich zur NWP weniger Ausrüstung und nimmt weniger Zeit in Anspruch. Mithilfe einer Google TPU v4 kann GraphCast das zukünftige Wetter innerhalb von Minuten vorhersagen.

Bestehende KI-Modelle können das zukünftige Wetter jedoch nur vorhersagen, indem sie aus vergangenen Wetterdaten lernen.Daher benötigen große Modelle in Szenarien mit extremen Wetterbedingungen und plötzlichen Wetterereignissen auch die Unterstützung anderer Algorithmen und sind untrennbar von der menschlichen Beteiligung abhängig.Zu diesem Zeitpunkt werden die meteorologischen Daten, die von im Zentrum des Sturms aktiven Sturmjägern bereitgestellt werden, für die Optimierung des großen KI-Modells noch wichtiger. Die Zusammenarbeit von Menschen und großen Modellen wird sicherlich einen hervorragenden „Storm Chaser“ hervorbringen.