Nieuw AI-model leert oceaanstromingen voorspellen op maat van de zee zelf
Weersvoorspellingen zijn de afgelopen jaren enorm verbeterd dankzij kunstmatige intelligentie (AI). Computers herkennen patronen in enorme hoeveelheden data en voorspellen daarmee het weer steeds nauwkeuriger. Voor de oceaan lukte dat tot nu toe veel minder goed. Een groep onderzoekers presenteert nu een nieuw AI-model dat daar verandering in probeert te brengen: HClimRep-Ocean.
De oceaan is lastiger te voorspellen dan de lucht boven ons. Een groot deel van de bewegingsenergie in zee zit in draaikolken, ook wel wervelingen genoemd, die veel kleiner zijn dan vergelijkbare luchtstromingen in de atmosfeer. Daarnaast heeft de oceaan te maken met grillige kustlijnen, smalle zeestraten en ijsbedekte zeeën. Dat maakt het rekenwerk aan de randen van land en zee extra ingewikkeld.
Om dat op te lossen, gebruiken bestaande oceaanmodellen vaak een onregelmatig rekenrooster: een soort digitaal net over de oceaan waarbij de mazen fijner zijn op plekken die meer detail nodig hebben, zoals bij de kust. Eerdere AI-modellen voor de oceaan werkten juist met een simpel, regelmatig rooster van breedte- en lengtegraden. Dat past niet goed bij hoe de echte oceaanmodellen werken. HClimRep-Ocean is het eerste AI-model dat rechtstreeks op zo'n onregelmatig rooster traint, gebaseerd op het bestaande oceaanmodel FESOM2.
De onderzoekers trainden hun model op 209 jaar aan simulatiedata van een klimaatmodel genaamd AWI-CM3. Daarna lieten ze het model voorspellingen doen zonder nieuwe informatie over de atmosfeer te krijgen. Alleen bij de start kreeg het model de actuele luchttoestand mee. Zo konden de onderzoekers precies zien hoeveel voorspelbaarheid er in de oceaan zelf zit, los van het weer erboven.
De resultaten laten een duidelijk verschil zien tussen verschillende soorten voorspellingen. Voor zeestromingen versloeg HClimRep-Ocean alle vergelijkingsmodellen bij een voorspelling van 30 dagen vooruit. Voor temperatuur en zoutgehalte van het water bleek een simpelere methode juist nauwkeuriger: een voorspelling die uitgaat van de huidige afwijking die langzaam vervaagt.
Dat verschil is goed te verklaren. Stromingen in de oceaan ontstaan vooral door krachten binnen het water zelf, zoals de draaiing van de aarde en drukverschillen. Temperatuur en zoutgehalte aan het zeeoppervlak worden juist sterk beïnvloed door het weer erboven. Omdat het model geen actuele weerdata kreeg, kon het die invloed niet goed meenemen.
In een aparte test, met de OceanBench-benchmark, deed een variant van het model die getraind was op waarnemingsdata het opnieuw goed. Deze versie had de kleinste afwijking (RMSE, een maat voor de gemiddelde fout) ten opzichte van echte metingen, vergeleken met alle andere geteste systemen.
Wat betekent dit (nog) niet: Dit onderzoek komt van één onderzoeksgroep en is nog niet breed getoetst door andere wetenschappers. Het model voorspelt stromingen goed, maar temperatuur en zoutgehalte nog niet beter dan bestaande simpele methoden. Het gaat hier ook om proeven met historische data, niet om een kant-en-klaar voorspellingssysteem voor de praktijk. Er is meer onderzoek nodig voordat dit soort AI-modellen breed inzetbaar zijn, bijvoorbeeld voor scheepvaart of visserij.
Bron: HClimRep-Ocean: A Global Ocean Emulator on an Unstructured Mesh