Als Texas im Februar 2021 im eisigen Griff beispielloser Winterstürme gefangen war, brach die Energieinfrastruktur zusammen, was zu einem herzzerreißenden Verlust von mindestens 246 Menschenleben sowie zu schwerwiegenden Engpässen bei der Versorgung mit Lebensmitteln, Wasser, Heizung und Strom führte. Dieses verheerende Ereignis gab den Anstoß für die Forderung nach besserer Vorbereitung und Vorhersage von Extremwetterereignissen – denn wenn die Natur ihre Zähne zeigt, ist Wissen unser einziger Schutzschild.
Hier kamen Forscher des MIT ins Spiel und stellten herkömmliche Vorstellungen über Wettervorhersagen für einen Zeitraum von zwei bis sechs Wochen auf den Kopf. Wettervorhersagen galten lange Zeit als heikles Unterfangen, da sie jenseits von zwei Wochen äußerst unvorhersehbar sind. Doch mit einem bahnbrechenden Modell des maschinellen Lernens, das Fehler in herkömmlichen Vorhersagesystemen beseitigt, ist es den Wissenschaftlern gelungen, die Vorhersagegenauigkeit für diesen Zeitraum zu verdoppeln.
In ihrer Arbeit, die in der renommierten Fachzeitschrift Natur, … stellte das MIT-Team seinen bahnbrechenden Ansatz vor. Zum ersten Mal überhaupt übertraf ihr Modell die üblichen klimatologischen Durchschnittswerte im Zeitraum von zwei bis sechs Wochen – ein riesiger Fortschritt für Branchen wie die Landwirtschaft und die Energiewirtschaft, die beide extremen Wetterereignissen wie Überschwemmungen und schweren Kältewellen ausgeliefert sind.
Die zentrale Figur dieser bahnbrechenden Forschung, der MIT-Forscher Judah Cohen, erklärte, dass die Fähigkeit des neuen Modells, sowohl durchschnittliche als auch extreme Wetterbedingungen vorherzusagen, tiefgreifende gesellschaftliche Auswirkungen haben könnte. Cohen erklärte: “Extremereignisse könnten für die Gesellschaft der Teil sein, der die größten Auswirkungen hat.”
Die Forschungsarbeit entstand aus der Zusammenarbeit von Experten verschiedener renommierter Institutionen – darunter die Universität Toronto, das Harvard College, das brasilianische Nationale Institut für reine und angewandte Mathematik sowie der Technologieriese Microsoft, um nur einige zu nennen. Vereint durch ein gemeinsames Ziel – die Genauigkeit von Wettervorhersagen zu verbessern – überwand dieses vielfältige Team die Zwei-Wochen-Barriere, die seit Jahrzehnten in der Wettervorhersage bestand.
Cohen und sein Team gingen über die Grenzen der Chaostheorie hinaus – die davon ausgeht, dass selbst winzige Änderungen der Anfangsbedingungen zu völlig unterschiedlichen Ergebnissen führen können – und vertraten die Ansicht, dass die Atmosphäre bestimmte Muster aufweist, die genauere Vorhersagen über einen Zeitraum von mehr als zwei Wochen ermöglichen.
Darüber hinaus wurde im Rahmen dieser Zusammenarbeit eine neuartige Kombination aus maschinellem Lernen und traditionellen Prognosemodellen eingeführt, um ein System zu schaffen, das aus früheren Ungenauigkeiten lernt und seine zukünftigen Vorhersagen entsprechend anpasst. Diese “Nachbearbeitungsschicht” steigerte die Genauigkeit der Prognosen erheblich, indem sie Fehler systematisch identifizierte und beseitigte.
Die Auswirkungen dieser Erfindung breiten sich weltweit aus. Das Modell hat bereits sein Potenzial zur Verbesserung landesweiter Vorhersagen unter Beweis gestellt und könnte in jedes beliebige Vorhersagesystem integriert werden. Darüber hinaus erweitern sein Open-Source-Charakter und seine Erschwinglichkeit seine Reichweite, sodass bereits eine weltweite meteorologische Zusammenarbeit ins Auge gefasst wird. Von der Republik Kenia, die die Möglichkeit prüft, dieses Modell zur Verbesserung der Vorhersagen bezüglich der Monsunzeit und der landwirtschaftlichen Erträge zu nutzen, bis hin zur Erschließung neuer Wege für wetterabhängige Branchen wie die Energiewirtschaft.
“Das könnte Ihnen dabei helfen, zu entscheiden, wann Sie trotz Regen düngen sollten, wenn Frost bevorsteht, um die Ernte im Winter zu schützen, oder Dürren zu vermeiden. Es könnte auch für das Energie- und Notfallmanagement nützlich sein”, sagte Cohen voller Hoffnung.
Die innovative Forschung wird von Einrichtungen wie der US-amerikanischen National Science Foundation, der Carlos-Chagas-Filho-Stiftung zur Forschungsförderung und der Europäischen Union unterstützt. Um einen detaillierten Einblick in diese bahnbrechende Forschung zu erhalten, klicken Sie auf hier.
Diese Website verwendet Cookies.