11. Dezember 2023 ǀ Forscher des Karlsruher Instituts für Technologie (KIT) haben eine KI-basierte Methode entwickelt, die die Genauigkeit von Niederschlagsvorhersagen verbessert. Diese Innovation könnte dazu beitragen, das Risiko von durch Starkregen verursachten Naturkatastrophen besser vorherzusagen und darauf zu reagieren.

Naturkatastrophen wie Hochwasser und Erdrutsche können durch heftige Regenfälle ausgelöst werden. Die Vorhersage der Häufigkeit solcher Extremereignisse, die durch den Klimawandel zunehmen könnten, erfordert den Einsatz globaler Klimamodelle. Forscher des Karlsruher Instituts für Technologie (KIT) haben nun erstmals eine KI-basierte Methode vorgestellt, die die Genauigkeit der von diesen Modellen erzeugten Niederschlagsfelder verbessert. Sie konnten die räumliche Auflösung von 32 auf zwei Kilometer und die zeitliche von einer Stunde auf zehn Minuten erhöhen. Diese Verbesserungen sind entscheidend für die Vorhersage von lokal auftretenden Starkregen und den damit verbundenen Naturkatastrophen in der Zukunft. (DOI 10.1029/2023EA002906)

KI-Modelle zur Verbesserung der Niederschlagsvorhersage

Extreme Niederschläge, die zu Überschwemmungen oder Erdrutschen führen, werden voraussichtlich mit steigenden Durchschnittstemperaturen zunehmen. Um sich auf ein sich änderndes Klima einzustellen und Katastrophen vorzubeugen, sind genaue Informationen über den aktuellen und zukünftigen Wasserkreislauf auf lokaler und globaler Ebene unerlässlich.

“Regenfälle variieren stark in Raum und Zeit und sind daher besonders auf lokaler Ebene schwer vorherzusagen”, erklärt Dr. Christian Chwala vom Institut für Meteorologie und Klimaforschung – Atmosphärische Umweltforschung (IMK-IFU) am Campus Alpin des KIT in Garmisch-Partenkirchen. “Daher streben wir an, die Auflösung der Niederschlagsfelder, die beispielsweise von globalen Klimamodellen erzeugt werden, zu erhöhen und so ihre Aussagekraft hinsichtlich möglicher Gefahren wie Flutkatastrophen zu verbessern.”

Aktuelle globale Klimamodelle nutzen ein Raster, das nicht ausreichend detailliert ist, um die Variabilität von Niederschlägen genau abzubilden. Hochauflösende Niederschlagskarten können nur mit extrem rechenintensiven Modellen erstellt werden, die räumlich oder zeitlich begrenzt sind.

„Wir haben daher ein Generatives Neuronales Netzwerk (GAN) aus dem Bereich der Künstlichen Intelligenz entwickelt und es mit hochauflösenden Radarniederschlagsfeldern trainiert. Das GAN lernt, wie es realistische Niederschlagsfelder und deren zeitliche Abfolge aus grob aufgelösten Daten generiert“, so Luca Glawion vom IMK-IFU. „Auf diese Weise kann das Netzwerk aus den sehr grob aufgelösten Karten realistische hochauflösende Radarniederschlagsfilme erstellen.“

Diese verbesserten Radarkarten zeigen nicht nur die Entwicklung und Bewegung von Regenzellen, sondern rekonstruieren auch genau die lokalen Regenstatistiken mit entsprechender Extremwertverteilung.

Zukünftige Anwendungen und Auswirkungen der KI-gestützten Niederschlagsvorhersage

„Unsere Methode bildet die Grundlage, um grob gerasterte Niederschlagsfelder auf eine Auflösung zu bringen, die der hohen raum-zeitlichen Variabilität von Niederschlag gerecht wird und die Untersuchung regionaler Auswirkungen ermöglicht“, erklärt Julius Polz vom IMK-IFU.„Unsere Deep-Learning-Methode ist dabei um mehrere Größenordnungen schneller als die Berechnung solch hochauflösender Niederschlagsfelder mit numerischen Wettermodellen, die üblicherweise genutzt werden, um Daten von globalen Klimamodellen regional zu verfeinern.“

Die Methode erzeugt zudem ein Ensemble verschiedener möglicher Niederschlagsfelder. Dies ist entscheidend, da für jedes grob aufgelöste Niederschlagsfeld eine Vielzahl an physikalisch plausiblen hochaufgelösten Lösungen existiert. Ein Ensemble ermöglicht es, die damit verbundene Unsicherheit genauer zu erfassen, ähnlich wie bei der Wettervorhersage.

Die Forschungsergebnisse deuten darauf hin, dass künstliche Intelligenz in Zukunft dazu beitragen könnte, die räumliche und zeitliche Auflösung von Niederschlagsdaten, die von Klimamodellen berechnet werden, zu verbessern. Dies würde eine genauere Darstellung und Untersuchung der Auswirkungen und Entwicklungen von Niederschlägen in einem sich wandelnden Klima ermöglichen.

„Als nächstes planen wir, unsere Methode auf globale Klimasimulationen anzuwenden, die spezifische Großwetterlagen in eine zukünftige, klimatisch veränderte Welt übertragen – etwa in das Jahr 2100. Durch die höhere Auflösung der mit unserer Methode simulierten Niederschlagsereignisse lässt sich dann besser abschätzen, wie sich beispielsweise die Wetterlage, die 2021 das Hochwasser an der Ahr verursacht hat, in einer zwei Grad wärmeren Welt ausgewirkt hätte“, so Glawion.

Solche Informationen sind von entscheidender Bedeutung für die Entwicklung nachhaltiger Klimaanpassungsmaßnahmen.