Neues KI-Modell verbessert El‑Niño‑Vorhersage dank Wetterdaten und Geodaten

Ein neues Forschungsprojekt präsentiert ein innovatives System, das die Vorhersagegenauigkeit und die Vorlaufzeit von El‑Niño‑Ereignissen deutlich steigert. Diese Fortschritte sind entscheidend, um die weltweiten klimatischen, wirtschaftlichen und gesellschaftlichen Folgen dieser Phänomene besser zu mildern.

Im Gegensatz zu herkömmlichen Modellen, die sich hauptsächlich auf ozeanische und atmosphärische Indizes stützen, nutzt das neue Framework Echtzeit-Wettervorhersagedaten, Anomalien, Unterwasser-Wärmeinhalt des Ozeans und atmosphärischen Druck in unterschiedlichen zeitlichen und räumlichen Auflösungen. Durch die Kombination dieser umfangreichen meteorologischen und geografischen Daten entsteht ein vielschichtiges Bild, das bisherige Ansätze nicht bieten.

Das Herzstück des Systems ist eine hybride Deep‑Learning-Architektur, die ein Convolutional Neural Network (CNN) für die räumliche Merkmalextraktion mit einem Long Short‑Term Memory (LSTM)-Netzwerk für die Modellierung zeitlicher Abhängigkeiten verbindet. Diese Kombination ermöglicht es, komplexe Vorläufer und sich entwickelnde Muster von El‑Niño‑Ereignissen frühzeitig zu erkennen und damit die Vorhersagekraft signifikant zu erhöhen.