Kunstmatige intelligentie voorspelt meer hittegolven in Nigeria
Stel je een dag voor waarop de temperatuur zo hoog oploopt dat buiten werken bijna onmogelijk wordt. Voor mensen in het noordwesten van Nigeria is dat geen ver toekomstbeeld, maar een terugkerend probleem. Een nieuw onderzoek laat zien dat hittegolven daar de komende tijd vaker en heftiger zullen voorkomen.
Onderzoekers gebruikten een vorm van kunstmatige intelligentie, een zogeheten LSTM-model (Long Short-Term Memory), om hittegolven te voorspellen. Dit is een computerprogramma dat patronen leert herkennen uit grote hoeveelheden data uit het verleden, en daarmee voorspellingen doet over de toekomst. Het is een beetje te vergelijken met hoe je zelf leert dat het na een reeks warme dagen vaak nóg warmer wordt.
Voor dit onderzoek gebruikte het team 45 jaar aan weergegevens: van 1980 tot 2024. Ze keken naar de hoogste en laagste temperaturen per dag en naar de luchtvochtigheid. Deze gegevens kwamen van de Nigeriaanse meteorologische dienst NiMet. Met deze informatie berekenden de onderzoekers de zogeheten hitte-index: een maat die aangeeft hoe warm het écht aanvoelt, waarbij ook luchtvochtigheid wordt meegewogen.
Duidelijke stijging zichtbaar
Om trends over tijd te ontdekken, gebruikten de onderzoekers twee statistische methoden: de Modified Mann Kendall-test en Innovative Trend Analysis. Beide zijn manieren om te bepalen of iets in de loop van jaren structureel toeneemt of afneemt, in plaats van toevallig te schommelen. Ook maakten ze kaarten van de regio om te zien waar de hitte het sterkst toeneemt, met een techniek die tussen meetpunten inschat hoe de situatie er lokaal uitziet.
De uitkomst is duidelijk: in heel noordwest-Nigeria nemen hittegolven toe, zowel in hoe vaak ze voorkomen als in hoe heftig ze zijn.
Hoe betrouwbaar is het model?
Het onderzoeksteam testte hoe goed hun AI-model werkelijk voorspelt. Daarbij gebruikten ze twee maten voor betrouwbaarheid. De correlatiecoëfficiënt (R) lag tussen 0,87 en 0,91, waarbij 1,0 een perfecte voorspelling zou betekenen. De verklaarde variantie (R²) lag tussen 0,76 en 0,83, wat betekent dat het model tussen de 76 en 83 procent van de schommelingen in de data kon verklaren. Dat zijn relatief hoge scores voor dit soort voorspellingen.
Deze cijfers laten zien dat het model op basis van historische patronen redelijk betrouwbaar de toekomstige hitteontwikkeling kan inschatten, al blijft er altijd een onzekerheidsmarge bestaan, zoals de bandbreedtes hierboven aangeven.
Dit is één onderzoek van één onderzoeksteam, gebaseerd op data uit één regio in Nigeria. De resultaten zeggen dus nog niets over hittegolven elders in Afrika of de wereld. Ook is een AI-model geen glazen bol: het herkent patronen uit het verleden, maar onverwachte gebeurtenissen kunnen voorspellingen alsnog laten afwijken. Het onderzoek doet verder geen uitspraken over de exacte oorzaken van de stijgende hitte.
Toch is de praktische waarde van zulke voorspellingen groot. Volgens de onderzoekers kan dit soort AI-modellen helpen bij het opzetten van vroege waarschuwingssystemen voor hitte, zodat lokale overheden en boeren op tijd maatregelen kunnen nemen. Denk aan het aanpassen van oogsttijden of het waarschuwen van kwetsbare groepen vóórdat een hittegolf toeslaat.
Bron: Long Short-Term Memory (LSTM)-based prediction of heatwave trends in northwestern Nigeria