Die Mitgliedstaaten des Europäischen Zentrums für Mittelfristige Wettervorhersagen (EZMW) haben zwei wichtige Initiativen zur Intensivierung der Entwicklung, zum Testen und zur Umsetzung von Machine Learning in ihren Wettervorhersageketten beschlossen. Dieser Blog stammt vom EZMW.
In den letzten beiden Sitzungen des Rates des Europäischen Zentrums für Mittelfristige Wettervorhersagen (EZMW) im Juni und Dezember 2023 haben die Mitgliedstaaten des EZMWs zwei wichtige Initiativen gebilligt, die das Ziel haben, die Entwicklung, das Testen und die Umsetzung von Machine Learning in ihren Wettervorhersageketten zu verstärken.
Das im Juni genehmigte Projekt strebt speziell die Erhöhung der Ressourcen innerhalb des EZMW an, um den Umfang der Arbeit im Bereich von Machine Learning (ML) zu erweitern, von der Intensivierung der laufenden Arbeit an einem Hybrid-Modell, das konventionelle und ML-Methoden kombiniert, bis hin zur Entwicklung eines vollständig datengesteuerten Vorhersagesystems.
Das im Dezember genehmigte Projekt verfolgt einen Ansatz, bei dem die Mitgliedstaaten des Zentrums ihre Kräfte bündeln, um die Aspekte der ML-Anwendung auf die Wettervorhersage zu bearbeiten, bei denen sie selbst über das grösste Fachwissen verfügen. Die zwei ergänzenden Projekte, die nebeneinander und in enger Zusammenarbeit laufen, erkennen das Potential von Machine Learning in der Wettervorhersage und bauen auf den umfangreichen Aktivitäten in diesem Bereich sowohl beim EZWM als auch bei den europäischen Wetterdiensten auf.
Nur wenige Monate nach der Genehmigung des Vorschlags im Juni veröffentlichte das EZMW sein neues datengesteuertes Modell, das AIFS (Artificial Intelligence/Integrated Forecasting System). Während das AIFS bereits vielversprechende Ergebnisse zeigt, werden ML-Technologien nur in einem Teil des Vorhersageprozesses eingesetzt. Es ist noch viel Arbeit erforderlich, um eine vollständige Vorhersagekette ausschliesslich unter Verwendung von ML zu entwickeln. Diese Arbeit, die auf dem bereits Erreichten aufbaut, wird Teil des Vierjahresprojekts des EZMWs und des auf die Mitgliedstaaten verteilten Projekts.
Die Schweiz und Norwegen haben gemeinsam die Leitung des letztgenannten Projekts übernommen und werden dessen Entwicklung koordinieren. Christof Appenzeller, Direktor von MeteoSchweiz und Roar Skålin, Generaldirektor von Met Norway erklärten in einer gemeinsamen Stellungnahme: «Obwohl viele Mitgliedstaaten des EZMWs sich bereits mit Machine Learning in ihren eigenen Wetterdiensten beschäftigen, ist es wichtig, dass wir die Zusammenarbeit fortsetzen und sogar verstärken. Das wird der Schlüssel zu Europas Führungsrolle bei der Wettervorhersage sein. Machine Learning hat enormes Potential zur Verbesserung unserer Vorhersagen und Dienstleistungen und wird uns ermöglichen die Bevölkerung besser vor den Auswirkungen von Unwettern zu schützen. Aus den jüngsten und sehr vielversprechenden Ergebnissen unserer eigenen Experimente und des AIFS des EZMWs auf globaler Ebene wird deutlich, dass wir mit Nachdruck in diese Richtung investieren müssen.»
Europas Engagement bei der Anwendung von Machine Learning in der Wetter- und Klimavorhersage endet hier nicht. Die Destination Earth Initiative der Europäische Union hat gerade beträchtliche zusätzliche Mittel erhalten, um die Nutzung von Machine Learning für die Entwicklung eines ML-basierten Erdsystemmodells, das die Quantifizierung von Unsicherheiten der digitalen Zwillinge des Erdsystems und die Verbesserung ihrer Interaktivität unterstützen wird, zu verstärken.
Im Namen des Konsortiums, das die Entwicklung des digitalen Zwillings für Wetter-bedingte-Extremereignisse leitet, sagte Marc Pontaud, Forschungsdirektor bei Météo France: «Die Bedeutung von digitalen Zwillingen und die positiven Auswirkungen, die sie auf die Gesellschaft haben können, können nicht hoch genug eingeschätzt werden. Die zusätzlichen Mittel für den Schwerpunkt künstliche Intelligenz bieten uns bahnbrechende Verbesserungen für unsere Warn- und Beratungssysteme und werden die Fähigkeit der europäischen Wetterdienste stärken extreme Wettereignisse auf eine neue effiziente Weise vorherzusagen und die betroffenen Sektoren zu unterstützen.»
Auch wenn die Ergebnisse von AIFS und anderen Organisationen in der ganzen Welt beeindruckend sind, ist es wichtig zu betonen, dass es noch viel Arbeit erfordert, um die Nutzung von ML zu optimieren. In den nächsten Monaten und Jahren wird es darum gehen, alle Teile der Vorhersagekette ins Visier zu nehmen und auch die probabilistische Dimension einzubeziehen, welche die Meteorologen benötigen, um alle möglichen zukünftigen Wetterszenarien sowie deren Wahrscheinlichkeit abzuschätzen. Bis die ML-Modelle die konventionellen Modelle sicher und genau ergänzen können, ist noch viel Arbeit notwendig, und es wird mit Sicherheit eine Herausforderung sein dies richtig zu machen. Europa hat beschlossen diese Herausforderung anzunehmen und übernimmt dabei eine Vorreiterrolle.
Hinweis: Dieser Blog ist erstmals auf der Webseite des EZMW erschienen und wurde für den MeteoSchweiz-Blog übersetzt und leicht angepasst.