Betere weersvoorspelling voor jouw straat dankzij satellietbeelden
Je checkt de weersapp voor de temperatuur in je eigen dorp of wijk. Maar wist je dat de meeste weermodellen helemaal niet zo lokaal rekenen? Ze werken met vlakken van ongeveer 25 kilometer breed. Alles wat daarbinnen gebeurt, van een bosrand tot een asfaltweg, wordt in feite gemiddeld. Een onderzoeksteam heeft nu een methode getest om die voorspellingen preciezer te maken, met hulp van satellietbeelden en kunstmatige intelligentie (AI).
Grote weermodellen gebruiken data zoals ERA5, een dataset die de toestand van de lucht wereldwijd in kaart brengt. Die data is grof: één cijfer voor temperatuur of wind geldt voor een heel gebied van 25 bij 25 kilometer. Maar in de praktijk maakt het nogal wat uit of je in een vallei, op een heuvel of naast een meer staat. Om die lokale verschillen toch mee te nemen, gebruiken wetenschappers meestal handmatig verzamelde informatie over het terrein, zoals hoogtekaarten.
Wat is er nieuw?
De onderzoekers probeerden iets anders: ze gebruikten een AI-model dat al bestaande satellietbeelden (TESSERA) omzet in een soort compacte samenvatting van het landoppervlak. Dat noemen ze een "embedding", een soort digitale vingerafdruk van een plek, gebaseerd op beelden met een scherpte van 10 meter. Die vingerafdruk zegt iets over blijvende eigenschappen van de grond, zoals begroeiing, bebouwing of watertjes, ook al is de data eigenlijk gemaakt om jaarlijkse patronen te beschrijven.
Ze voegden deze digitale vingerafdruk toe aan een bestaand voorspelmodel (een ConvCNP, een AI-model dat leert om grove data naar een fijnere schaal te vertalen). Vervolgens testten ze dit in vijf gebieden met heel verschillend klimaat, op weerstations die niet gebruikt waren om het model te trainen.
Het resultaat
De verbetering was duidelijk meetbaar. Voor de temperatuur op 2 meter hoogte werd de voorspelling 11,5% nauwkeuriger. Voor windsnelheid op 10 meter hoogte was de verbetering 6,2%. Deze percentages zijn gebaseerd op een score genaamd CRPS, die meet hoe goed een voorspelling past bij wat er werkelijk gebeurt, inclusief de onzekerheid daarin.
Opvallend: een handmatig samengestelde beschrijving van het landoppervlak, met net zoveel informatie als de AI-vingerafdruk, leverde veel minder verbetering op. De AI-methode haalt er dus meer nuttige informatie uit dan mensen zelf kunnen vastleggen met traditionele methodes.
De verbetering hield ook stand toen de onderzoekers een ander AI-weermodel (Aurora) gebruikten in plaats van ERA5, en toen ze de methode testten op compleet nieuwe, net geplaatste weerstations.
Wat betekent dit (nog) niet: Dit is één onderzoek, uitgevoerd door één team. Het betekent niet dat je weerapp morgen al preciezer wordt: de methode moet nog verder getest en mogelijk aangepast worden voordat weerdiensten hem breed kunnen gebruiken. Ook is de verbetering gemeten op basis van bestaande weerstations, niet op elke willekeurige plek op aarde.
Voor de toekomst van weersvoorspellingen is dit wel een interessante ontwikkeling. Hoe beter modellen lokale verschillen kunnen inschatten, hoe nuttiger voorspellingen worden voor bijvoorbeeld boeren, energiebedrijven (voor windenergie) of gemeenten die zich voorbereiden op hitte of storm.