Kan een computermodel het stormachtige weer in Noord-Noorwegen voorspellen?

Stel je voor: je woont aan een smalle fjord in Noord-Noorwegen. De wind kan er binnen een uur omslaan van bijna windstil naar een stevige storm. Voor weerbureaus is dit gebied al jaren een van de lastigste plekken om goede voorspellingen voor te maken. Onderzoekers testten nu of nieuwe, door kunstmatige intelligentie (AI) getrainde weermodellen deze grillige wind net zo goed kunnen voorspellen als de traditionele methode.

Traditioneel wordt het weer voorspeld met natuurkundige rekenmodellen die de atmosfeer stap voor stap doorrekenen. Dit heet Numerical Weather Prediction (NWP), oftewel: weersverwachtingen op basis van natuurkundige berekeningen. Het bekendste voorbeeld hiervan is HRES, het model van het Europese weerinstituut ECMWF. De laatste jaren zijn er ook AI-modellen bijgekomen, zoals FourCastNet3 en GraphCast. Die leren van grote hoeveelheden bestaande weergegevens, in plaats van dat ze de natuurkunde zelf doorrekenen.

Een onderzoeksteam vergeleek deze drie modellen met echte metingen van weerstations in Noord-Noorwegen, over meerdere jaren. Ze keken vooral naar windsnelheid, omdat die door de fjorden en het bergachtige landschap extreem lastig te voorspellen is.

Wat vonden de onderzoekers?

Het traditionele model HRES bleek nog net iets beter dan de twee AI-modellen. De gemiddelde afwijking (uitgedrukt in RMSE, een maat voor hoe ver voorspellingen gemiddeld van de werkelijkheid afzitten) was bij HRES 2,89 meter per seconde. Bij FourCastNet3 was dat 2,96 meter per seconde en bij GraphCast 2,94 meter per seconde. Het verschil is dus klein: nog geen tiende meter per seconde, wat ongeveer het verschil is tussen een licht briesje meer of minder.

Opvallend is dat de AI-modellen ook buiten de periode waarop ze getraind waren, nog goed bleven presteren. Er was geen duidelijk teken dat ze slechter gingen voorspellen naarmate de tijd verstreek sinds hun training.

Bij harde wind ontstond wel een duidelijk probleem. Alle drie de modellen onderschatten sterke windstoten. FourCastNet3 deed dit nog het minst van de drie, maar zelfs dit model voorspelde stevige windvlagen structureel te zwak.

Wat betekent dit (nog) niet
Dit onderzoek gaat over één specifiek, lastig gebied: Noord-Noorwegen met zijn fjorden. De resultaten zeggen dus niet automatisch iets over hoe deze AI-modellen presteren in andere landschappen, zoals vlak Nederland. Ook is dit één onderzoek van één team: er is nog geen bevestiging door meerdere andere studies specifiek voor dit gebied. En hoewel de AI-modellen bijna net zo goed scoren als het traditionele model, blijven ze dus minder betrouwbaar bij het voorspellen van sterke windstoten, precies het soort weer waarbij een goede voorspelling het belangrijkst is.

Voor de praktijk betekent dit dat AI-weermodellen veelbelovend zijn: ze zijn sneller te draaien en presteren bijna net zo goed als de klassieke methode. Maar voor gebieden met lastig terrein, en voor het voorspellen van harde windstoten specifiek, is er nog verbetering nodig voordat deze modellen de traditionele voorspellingen volledig kunnen vervangen.

Bron: A Station-Based Evaluation of Machine Learning-based Weather Forecasting Models in Northern Norway