Hagelsturm-Zentrum sammelt Daten, große Modelle unterstützen Extremwettervorhersagen, „Storm Chasers“ stehen auf der Bühne

Inhalt auf einen Blick: Extreme Wetterereignisse wie Gewitter, Hagel, Tornados usw. sind immer unvorhersehbar und schwer zu vermeiden. Australische Forscher riskieren jedoch ihr Leben, indem sie tief in Hagelstürme vordringen, um Daten zu sammeln, nur um die Wettervorhersagen genauer zu machen. Können Menschen mit Hilfe von Supercomputern und KI Stürme einholen und chaotische Wettersysteme weniger unberechenbar machen? Schauen wir uns den Film „Storm Chasers“ mit den Sturmjägern in den Hauptrollen an.

Schlüsselwörter: großes Modell, Sturmjäger, Extremwetter

Autor | Xuecai

Herausgeber | Sanyang

Dieser Artikel wurde zuerst auf der öffentlichen HyperAI WeChat-Plattform veröffentlicht~

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 Sturmjagd und brachten erfolgreich eine kleine Wettersensor-Eissonde (Hagelsonde) in einen Hagelsturm, um im Hagelsturm meteorologische Daten zu sammeln, und revolutionierten damit die Forschungsmethode für extreme Wetterlagen.

Abbildung 1: Standbild aus dem Film „Tornado“

Die Eissonde hat eine hagelähnliche Form und wiegt etwa 24 Gramm. Sie wurden an Ballons befestigt und gemeinsam in den Hagelsturm entlassen. Nachdem sie das Zentrum des Hagelsturms erreicht hatten, trennten sich die beiden, und die Eissonde erfuhr die Flugbahn des Hagels im Hagelsturm genau wie der Hagel selbst und zeichnete die Wachstumsbedingungen des Hagels auf, der sich im Hagelsturm bewegte. Darüber hinaus registrierte die Eissonde ein signifikantes Eiswachstum und folgte der Mesozyklone der Superzelle über eine halbe Umdrehung.

Abbildung 2: Flugbahn zweier Eissonden in einem Hagelsturm

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

Abbildung 3: Die Struktur der Eissonde mit 3D-gedruckten Teilen, Batterien und anderen elektronischen Geräten, eingekapselt in einer Polystyrolhülle

Daten aus dem Zentrum eines Hagelsturms zu sammeln, ist wie die Jagd nach dem weißen Wal der Meteorologie – gefährlich, aber faszinierend. Daten aus dem Zentrum eines Hagelsturms werden unsere Fähigkeit verbessern, Hagelstürme zu modellieren und direkte Beweise dafür liefern, wie sich Hagel in Hagelstürmen verhält. Aber es ist nicht so einfach, wie es klingt – man muss zur richtigen Zeit am richtigen Ort sein und auf den richtigen Hagelsturm treffen.

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.

Abbildung 4: Joshua Soderholm startet eine Eissonde

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-stelligen Gleitkommazahlen läuft, führt diese Abweichung von einem Tausendstel dazu, dass der Ausgabewert des Programms völlig anders ist als das beim letzten Mal erhaltene 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.

Abbildung 5: Schmetterlingseffekt

Daher ist es schwierig, absolut genaue Wettervorhersagen zu erstellen. Bei der bestehenden Methode der meteorologischen Vorhersage, der numerischen Wettervorhersage (NWP), wird das Vorhersagegebiet zunächst in Raster unterteilt. Anschließend werden mithilfe von Supercomputern partielle Differentialgleichungen durch numerische Simulation gelöst.

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 werden aufgrund der begrenzten Gitterauflösung einige kleinräumige meteorologische Prozesse durch Näherungsfunktionen parametrisiert, was zu Fehlern bei den Wettervorhersagen führt.

Aus diesem Grund ist es schwierig, mit NWP perfekte Ergebnisse für kleinräumige Extremwetterereignisse sowie mittel- und langfristige Wettervorhersagen zu erzielen. 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.

Abbildung 6: Das Global Ensemble Forecast System (GEFS) prognostiziert den Weg des Taifuns Kanu Nr. 6 im Jahr 2023.

Da die Wettervorhersagen der verschiedenen Agenturen jedoch stark voneinander abweichen, ist für die Wettervorhersage weiterhin die Beteiligung von Meteorologen erforderlich. Die Meteorologen kombinieren alle Ergebnisse der Wettervorhersage mit den örtlichen Klimaeigenschaften, Geländebedingungen, persönlichen Erfahrungen usw., um die endgültige Wettervorhersage zu erstellen. Dennoch kann nicht garantiert werden, dass sie vollständig korrekt ist. Dagegen kann man nichts tun, das Wettersystem ist einfach so unberechenbar.

Abbildung 7: Weg des Taifuns Wayne Nr. 16 im Jahr 1986

Jäger extremer Wetterbedingungen

Kleinräumige Superzellen stellen eine Lücke in mittel- und langfristigen Wettervorhersagen dar. Die Eigenschaften von Superzellen bestehen darin, dass sie sich schnell bilden und schwer vorherzusagen sind und dazu neigen, extreme Wetterereignisse wie Gewitter, Hagel, Starkregen oder Tornados zu verursachen .

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.

Abbildung 8: Tornado im Bezirk Dafeng, Yancheng

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 können Sturmjäger als erste Zeugen extremer Wetterereignisse auch Informationen aus erster Hand über extreme Wetterereignisse sammeln, wertvolles Material für die meteorologische Forschung liefern, die Datenbank bestehender Computermodelle und KI-Modelle bereichern und wichtige Beiträge zur Entwicklung der Meteorologie leisten.

Ein großes meteorologisches Modell vergleichbar mit NWP

Bereits 2021 gab Alibaba Cloud bekannt, dass die DAMO Academy und das National Meteorological Center gemeinsam KI-Algorithmen zur Wettervorhersage entwickelt und mehrere schwere konvektive Wetterereignisse erfolgreich vorhergesagt haben. 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 das dreidimensionale neuronale Netzwerk in das Modell eingeführt wurde, übertraf die Vorhersagegenauigkeit von Pangu erstmals das genaueste 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.

Abbildung 9: Die Bahnprognosen des Pangu-Modells und des ECMWF für Taifun Connie Nr. 25 (Abbildung a) und Taifun Yutu Nr. 26 (Abbildung b) im Jahr 2018.

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 extremem Wetter und plötzlichem Wetter 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.

Referenzlinks:

[1] https://phys.org/news/2023-08-movie-inspired-technology-successfully-hail-eye.html

[2] http://m.nmc.cn/ty/

[3] http://henan.china.com.cn/tech/2021-06/22/content_41599891.htm

[4] https://arxiv.org/abs/2212.12794

[5] https://www.nature.com/articles/s41586-023-06185-3/figures/4

[6] Jiang Yanru, Analyse typischer Wetterprozesse[M]. Peking: Meteorological Press, 2016.

Dieser Artikel wurde zuerst auf der öffentlichen HyperAI WeChat-Plattform veröffentlicht~