AI-weermodellen zien patroon van extreme regen beter, maar schatten hoeveelheid nog verkeerd
Je kent het beeld van het weerbericht: grote groene en rode vlekken die aangeven waar het hard gaat regenen. Voor overstromingen en wateroverlast is zo'n voorspelling cruciaal. Een nieuw onderzoek laat zien dat AI-modellen daar opvallend goed in zijn geworden, maar dat ze nog worstelen met één belangrijk detail: hoeveel regen er precies valt.
Het onderzoek draait om zogeheten atmosferische rivieren. Dat zijn lange, smalle banen vochtige lucht in de atmosfeer die duizenden kilometers lang kunnen zijn. Ze zorgen wereldwijd voor een groot deel van de allerzwaarste regenval en de overstromingen die daarop volgen.
Om dit soort extreme neerslag goed te voorspellen, gebruiken meteorologen al tientallen jaren traditionele rekenmodellen die natuurkundige wetten simuleren. Sinds kort zijn daar AI-modellen bijgekomen, zoals GraphCast en AIFS, die patronen leren herkennen uit enorme hoeveelheden historische weerdata in plaats van natuurkunde na te rekenen.
Wat het onderzoek deed
Een onderzoeksteam vergeleek vier modellen: twee klassieke rekenmodellen (GFS en GEFS) en twee AI-modellen (GraphCast en AIFS). Ze keken naar voorspellingen van 1 tot 10 dagen vooruit, wereldwijd en specifiek in Noord-Amerika, Europa, Australië en Nieuw-Zeeland. De voorspellingen werden vergeleken met satellietmetingen van de werkelijke regenval.
De uitkomst is tweeledig. Op het gebied van de ruimtelijke structuur, dus waar precies het regent en hoe het regengebied eruitziet, doen de AI-modellen het beter dan de klassieke modellen. Dat verschil wordt juist groter naarmate de voorspelling verder vooruitkijkt, tot wel 10 dagen van tevoren. Bij hevige regenval en op de langere termijn houden de AI-modellen de vorm van het regengebied beter intact.
Maar die betere vorm betekent niet automatisch een betere hoeveelheid. De AI-modellen voorspellen bij matige tot zware regenval vaak te veel neerslag, terwijl ze bij de allerzwaarste buien juist te weinig voorspellen, vooral op langere termijn. De klassieke rekenmodellen hebben een ander probleem: die voorspellen juist structureel te weinig regen, een zogeheten droge afwijking.
Kortom: AI-modellen zien steeds beter wáár het noodweer zich afspeelt, maar hoeveel water er precies valt, blijft lastig in te schatten voor beide type modellen, elk op hun eigen manier.
Dit betekent niet dat AI-weermodellen klaar zijn om klassieke modellen te vervangen bij waarschuwingen voor overstromingen. De onderzoekers laten zien dat beide type modellen hun eigen zwakke plek hebben: AI-modellen schatten hoeveelheden verkeerd in, klassieke modellen voorspellen te weinig regen. Voor praktische toepassingen, zoals het waarschuwen van bewoners bij extreem weer, is de exacte hoeveelheid neerslag minstens zo belangrijk als de locatie. Dit onderzoek is bovendien een vergelijking tussen bestaande modellen, geen nieuw model zelf.
Voor de praktijk betekent dit dat AI-modellen een waardevolle aanvulling kunnen zijn bij het inschatten van waar een regenbui zich voordoet, maar dat meteorologen voorlopig nog verschillende modellen naast elkaar moeten blijven gebruiken om een compleet en betrouwbaar beeld te krijgen van zowel locatie als hoeveelheid.
Bron: Global Evaluation of AI and NWP Precipitation Forecasts During Atmospheric River Events