Slimme computermodellen leren hoe wolken regen maken, en dat helpt klimaatmodellen te verbeteren

Je kijkt naar een grijze wolkenlucht en weet: zo meteen gaat het regenen. Maar hoe precies een wolk overgaat van kleine waterdruppeltjes naar regen die valt, is voor wetenschappers al decennia lastig exact na te bootsen in computermodellen. Een nieuw onderzoek gebruikt kunstmatige intelligentie om dit proces beter te begrijpen, en dat kan de klimaatmodellen verbeteren waarmee we toekomstige neerslag voorspellen.

In een wolk botsen piepkleine waterdruppels voortdurend tegen elkaar. Sommige druppels smelten samen tot grotere druppels, die weer met andere druppels samensmelten, tot ze zwaar genoeg zijn om als regen naar beneden te vallen. Dit hele proces heet in de wetenschap "warme regenvorming". Om dit in een klimaatmodel te simuleren, gebruiken onderzoekers wiskundige vuistregels, ook wel parameterisaties genoemd: vereenvoudigde formules die het gedrag van miljoenen druppels samenvatten zonder elke druppel apart te hoeven berekenen.

Het probleem is dat deze vuistregels niet één op één uit de onderliggende natuurkunde zijn af te leiden. Er bestaat een basisvergelijking die het botsen en samensmelten van druppels beschrijft (de zogeheten kinetische verzamelvergelijking), maar hieruit volgt geen eenduidige formule voor hoe een hele wolk zich gedraagt. Wetenschappers moeten daarom keuzes maken, en die keuzes verschillen per model.

Een onderzoeksteam heeft nu een nieuwe aanpak getest: een combinatie van neurale netwerken (een vorm van kunstmatige intelligentie die patronen herkent) en klassieke wiskundige vergelijkingen. Deze methode heet UODE, wat staat voor "universele gewone differentiaalvergelijkingen". Het systeem leerde van gedetailleerde computersimulaties waarin elk afzonderlijk druppeltje wordt gevolgd, een soort digitale "super-druppel-simulatie" die de werkelijkheid heel precies benadert.

Het bijzondere: het systeem kreeg alleen de basisgegevens van de wolk te zien, zoals hoeveelheid water en regen, zonder dat het vooraf werd verteld welke druppels tot regen worden of hoe snel dat proces verloopt. Toch leerde het model deze processen zelf herkennen, en de uitkomsten kwamen goed overeen met de gedetailleerde simulaties waarop het was getraind.

Door het geleerde model te analyseren, ontdekten de onderzoekers iets opvallends over een veelgebruikte bestaande formule uit 2001 (van Seifert en Beheng). Die formule remt het samensmelten van regendruppels met kleinere wolkendruppels kunstmatig af. Het nieuwe onderzoek laat zien dat deze afremming vooral dient om een ander probleem te compenseren: de formule overschat namelijk hoe snel kleine druppeltjes zelf tot regen worden, wanneer er nog weinig regen aanwezig is.

Op basis van deze ontdekking stelt het team een verbeterde formule voor. Die formule blijft net zo simpel als de oude, maar sluit beter aan bij de gedetailleerde druppel-simulaties.

Wat betekent dit (nog) niet: Dit is één onderzoek, uitgevoerd door één onderzoeksteam, en getest binnen de grenzen van de trainingsdata die zij gebruikten. Het gaat hier om een verbetering van één klein onderdeel van klimaatmodellen: hoe wolken regen vormen. Dit betekent niet dat klimaatmodellen in één klap veel nauwkeuriger worden, of dat regenvoorspellingen morgen al beter zijn. De nieuwe formule moet nog verder getest en toegepast worden in bredere klimaatmodellen voordat we weten hoeveel verschil dit in de praktijk maakt.

Bron: Universal ordinary differential equations and the parameterization of warm-rain processes