Betere lange termijnverwachtingen voor warm weer dankzij AI

Onze betrouwbare weersverwachting gaat tot maximaal twee weken vooruit. Als Early Warning Centre (EWC) wil het KNMI vroegtijdiger waarschuwen voor weersituaties die veel impact kunnen hebben zoals droogte en hitte. Maar in de praktijk kan dit vaak nog niet, omdat de lange termijn ontwikkeling van het weer vaak beperkt voorspelbaar is. Uit nieuw onderzoek blijkt dat verwachtingen voor warm weer verbeterd kunnen worden, als we kunstmatige intelligentie (AI) gebruiken om te leren van fouten uit het verleden.

Voor weersverwachtingen van meer dan twee weken vooruit is het belangrijk dat ze niet van dag tot dag geïnterpreteerd worden. De verdeling van warme en koude lucht is namelijk alleen voorspelbaar als naar het gemiddelde over lange periodes en grote gebieden wordt gekeken. Bovendien moeten de omstandigheden juist zijn. Alleen dan kunnen langzame interacties tussen oceaan, aardoppervlak en de atmosfeer de verdeling sturen. De moeilijkheid is dat deze verbanden lastig te doorgronden zijn en gebrekkig worden nagebootst in onze natuurkundige weermodellen, wat hun bruikbaarheid beperkt.

Algoritme vergroot betrouwbaarheid van de weersverwachting

Het algoritme leert om foute verwachtingen te corrigeren en toont onder welke omstandigheden de fouten optreden

Dankzij AI komen we nu een stap verder. Specifiek hebben we een methode ontwikkeld die het archief van natuurkundige weersverwachtingen vergelijkt met het werkelijk opgetreden weer. Het algoritme leert vervolgens om foute verwachtingen te corrigeren, en toont ons onder welke omstandigheden de fouten optreden. Zo leerden we dat processen in de tropische Stille Oceaan belangrijk kunnen zijn voor zomerhitte in Europa, maar dat dit verband mist in het veelgebruikt natuurkundige weermodel van het ECMWF. Door het model statistisch te corrigeren vergroot het algoritme dus de betrouwbaarheid van de verwachting en onze kennis van het klimaatsysteem.

Verbeteringen dankzij AI mogelijk snel in de praktijk 

In deze toepassing zien we duidelijk dat het combineren van AI met natuurkundige modellen een toegevoegde waarde heeft. In dit geval gaat dat slechts om een eerste onderzoeksresultaat, waarmee de verwachting van gemiddelde hitte in Europa betrouwbaarder wordt wanneer de omstandigheden in de Stille Oceaan juist zijn. Maar dankzij de toenemende ontwikkelingen in AI kunnen lange termijnverwachtingen mogelijk verbeterd worden. Professionele afnemers zoals veiligheidsregio’s en waterschappen kunnen daarvan profiteren.

KNMI'er Chiem van Straaten promoveert 20 november 2023 op dit onderwerp bij de Vrije Universiteit Amsterdam.