ByteStorm: KI-gestützte, Schwellenwertfreie Erkennung tropischer Wirbelstürme

Die neue Methode ByteStorm nutzt Deep‑Learning, um tropische Wirbelstürme (TCs) ohne manuelle Schwellenwerte zu erkennen und zu verfolgen. Durch die Kombination von Klassifikation und Lokalisierung werden TC‑Zentren ausschließlich anhand der relativen Vorticität bei 850 mb und des mittleren Meeresspiegelsdrucks identifiziert. Anschließend werden die ermittelten Zentren mithilfe des BYTE‑Algorithmus zu vollständigen Bahnen zusammengeführt.

In umfangreichen Tests gegen führende deterministische Tracker in den östlichen und westlichen Nordpazifik‑Bassen hat ByteStorm herausragende Ergebnisse erzielt. Die Trefferquote liegt bei 85,05 % im östlichen und 79,48 % im westlichen Nordpazifik, während die Fehlalarmrate bei 23,26 % bzw. 16,14 % liegt. Zudem korrelieren die jährlichen Schwankungen der TC‑Aktivität mit 0,75 bzw. 0,69, was die Zuverlässigkeit der Methode unterstreicht.

Diese Erfolge zeigen, dass die Integration von KI und Computer‑Vision eine schnelle und präzise Alternative zu herkömmlichen, subjektiv getunten Tracking‑Ansätzen darstellt und das Potenzial hat, die Wetter- und Klimaforschung nachhaltig zu verbessern.