Een vrouw wijst naar een computerscherm met een weeralarm, terwijl een man achter haar meekijkt.

AI neemt het op tegen moeder natuur: de toekomst van weersvoorspellingen

AI optimaliseert weersvoorspellingen door traditionele methoden met geavanceerde analyses aan te vullen. Hierdoor kunnen we betrouwbaardere en dynamischere weersvoorspellingen genereren.
  • AI voorspelt overstromingen tot een week van tevoren
  • Waarschuwingssysteem gebruikt AI om tsunamirisico’s te voorspellen
  • Deze AI helpt je om uit de buurt te blijven van naderende orkanen

Terwijl de wereld worstelt met de toenemende gevolgen van klimaatverandering en een groeiende bevolking, is de behoefte aan geavanceerde technologie om natuurrampen te voorspellen en beperken groter dan ooit. De zomer van 2023 was de warmste ooit en extreme weersomstandigheden hebben de afgelopen decennia miljoenen levens geëist en biljoenen gekost. Het is duidelijk dat traditionele weersvoorspellingen niet langer voldoende zijn om kwetsbare gemeenschappen — en onze planeet — te beschermen. Gelukkig kan kunstmatige intelligentie verschillende oplossingen bieden. Dankzij machine learning-algoritmen en enorme datasets kan AI weersvoorspellingen volledig veranderen en krijgen meteorologen veel beter inzicht in de complexe en voortdurend veranderende patronen van ons klimaat.

En dat is hard nodig ook. Zoals de Wereldorganisatie voor Meteorologie onlangs bekendmaakte, zijn er tussen 1970 en 2021 wereldwijd maar liefst 11.800 rampen geweest die het gevolg waren van extreme weersomstandigheden. Vooral ontwikkelingslanden dragen een onevenredig zware last: 90 procent van alle slachtoffers wereldwijd en 60 procent van de wereldwijde (economische) schade is daar te betreuren. Nauwkeurige en tijdige voorspellingen zijn niet alleen belangrijk, maar letterlijk een kwestie van leven en dood, vooral in regio’s waar zelfs kleine fouten in temperatuurvoorspellingen tot een explosie in de sterftecijfers kunnen leiden. Naast het redden van levens hebben AI-gestuurde weersvoorspellingen nog veel meer voordelen. Zo speelt AI ook in de landbouw een sleutelrol, waar het boeren waardevolle inzichten biedt; bijvoorbeeld wat de beste zaaitijd is en hoe ze hun gewassen het beste kunnen beschermen. Op deze manier draagt technologie dus ook bij aan de voedselzekerheid voor miljoenen mensen in de wereld. Bovendien helpt AI overheden en bedrijven om zich beter op extreme weersomstandigheden voor te bereiden. Dit kan niet alleen veel schade voorkomen, maar ook de economische verliezen beperken die sinds 1970 tot maar liefst $4,3 biljoen zijn opgelopen.

“We kunnen je vijf dagen van tevoren vertellen dat er 50 cm water bij je ingang zal staan en ook wanneer het weer zal zakken”.

Jonas Borland, oprichter van 7Analytics

AI voorspelt overstromingen tot een week van tevoren

Van de drukke en levendige straten van New York tot de kwetsbare kustgebieden in Zuidoost-Azië, overal ter wereld kijkt men de dreiging van het opkomende water in de ogen. Deskundigen waarschuwen dat kustoverstromingen tegen 2100 ernstige vormen kunnen aannemen. Denk aan stijgende zeespiegels die sommige steden tot wel twee meter onder water kunnen zetten. De impact hiervan is niet mals: miljoenen mensen moeten op zoek naar een nieuw thuis, waardevolle infrastructuur gaat verloren en lokale economieën kunnen een flinke knauw krijgen. Met zo’n nijpende crisis in het vooruitzicht schieten de huidige manieren waarop we overstromingen voorspellen tekort. Zo leunen we nog altijd op natuurkundige modellen en standaard rekenkracht om het risico op overstromingen in te schatten, maar de nauwkeurigheid daarvan laat vaak te wensen over. Zo lieten de overstromingen in Waverly, Tennessee in augustus 2021 zien dat we met de huidige voorspellingsmodellen niet altijd op moeder natuur voorbereid zijn. Waar meteorologen slechts een buitje van vijf tot acht centimeter verwachtten, kreeg het gebied een ongekende regenmassa van meer dan een halve meter te verwerken, met twintig doden als gevolg.

AI-gestuurde overstromingsvoorspellingen kijken verder dan de traditionele modellen. Ze houden niet alleen rekening met het weerbericht, maar ook met het landgebruik in de buurt, informatie over de waterafvoer en de inrichting van de regio. AI duikt in een berg aan data om zo een compleet en nauwkeurig beeld te geven van het overstromingsgevaar. AI-modellen kunnen enorme hoeveelheden data veel sneller en met minder menselijke supervisie verwerken dan traditionele methodes. Dat is vooral cruciaal nu extreme weersomstandigheden steeds vaker en heviger voorkomen en om verlies aan mensenlevens en materiële schade te beperken. Zo ontwikkelde het duurzaamheids-dataplatform 7Analytics uit Noorwegen een AI-model dat tot een week van tevoren kan voorspellen welke gebieden door een rampzalig weerfenomeen getroffen zullen worden. Op deze manier kunnen lokale bedrijven en overheden zich beter op dreigende overstromingen voorbereiden en reageren.

“Al deze data geeft aan waar het water naartoe zal stromen en waar het problemen zal veroorzaken”, legt oprichter Jonas Borland uit. “We kunnen je vijf dagen van tevoren vertellen dat er 50 cm water bij je ingang zal staan en ook wanneer het weer zal zakken”. Ook Google is hiermee aan de slag gegaan. De techgigant lanceerde pasgeleden een nieuw platform met de naam Flood Hub dat AI gebruikt om voor rivieren in meer dan 80 landen in de wereld overstromingswaarschuwingen te geven. Door satellietbeelden van rivieren en omliggend terrein te analyseren, kan het systeem inschatten hoe groot de kans is dat rivieren bij regenval zullen overstromen. Vervolgens worden de getroffen gemeenschappen twee tot zeven dagen van tevoren gewaarschuwd. “Overstromingen zijn een van de meest verwoestende natuurrampen en treffen elk jaar honderden miljoenen mensen”, zegt Yossi Matias, vice-president engineering en onderzoek, en hoofd crisisbeheer bij Google. “We willen echt dat mensen op tijd — vóór de overstromingen toeslaan — gewaarschuwd worden”.

Waarschuwingssysteem gebruikt AI om tsunamirisico’s te voorspellen

Ook de verwoestende kracht van tsunami’s herinnert ons eraan hoe kwetsbaar we zijn tegenover het geweld van de natuur. Deze enorme golven, meestal veroorzaakt door onderzeese aardbevingen, kunnen zich razendsnel verplaatsen — wel tot 800 kilometer per uur op open water. Zodra ze in de buurt van de kust komen neemt hun snelheid vaak iets af — hoewel 50 tot 80 kilometer per uur natuurlijk nog steeds een angstaanjagende snelheid is. De gevolgen van zo’n tsunami zijn vaak ronduit catastrofaal en leiden er vaak toe dat hele gemeenschappen binnen enkele ogenblikken worden weggevaagd. Ondanks het bestaan van waarschuwingssystemen die gebruikmaken van seismische golven die door onderzeese aardbevingen veroorzaakt worden, blijft het voorspellen van tsunami’s en de ernst ervan een enorme uitdaging. Hoewel de systemen seismische activiteit kunnen detecteren, is het moeilijk om precies te zeggen of deze aardbevingen ook daadwerkelijk een tsunami zullen veroorzaken. Bovendien is het lastig om de exacte omvang en impact van een eventuele tsunami te bepalen. Zelfs met seismografen en boeien die mogelijke bedreigingen detecteren, komt het nog regelmatig voor dat er loos alarm wordt geslagen. En de tijd die er is om te evacueren is vaak veel te kort.

Om oplossingen te vinden voor de beperkingen van de huidige  systemen, hebben onderzoekers van de Universiteit van Californië in Los Angeles en de Universiteit van Cardiff een baanbrekend vroegwaarschuwingssysteem ontwikkeld. In dit systeem wordt AI met geavanceerde akoestische technologie gecombineerd om aardbevingen te detecteren en het risico op een tsunami in te schatten. Het systeem heet Global Real-time Assessment of Tsunami (GREAT) en maakt gebruik van twee afzonderlijke algoritmen voor de analyse van inkomende seismische data. Het eerste algoritme, een AI-model, beoordeelt de omvang en het type aardbeving en maakt onderscheid tussen verticale en horizontale verschuivingen van de aardplaten. Dit onderscheid is van groot belang, omdat verticale aardbevingen — waarbij de oceaanbodem omhoog of omlaag beweegt — veel vaker tsunami’s veroorzaken dan horizontale aardbevingen. Die laatste kunnen namelijk vergelijkbare seismische activiteit vertonen, maar leveren vaak veel minder risico op. Door nauwkeurig vast te stellen welk type seismische gebeurtenis zich voordoet, kan het systeem veel valse alarmen voorkomen. Zodra het AI-model de kenmerken van de aardbeving heeft bepaald, neemt een tweede analytisch model het over om de potentiële omvang en richting van de tsunami te beoordelen. Volgens dr. Usama Kadri, onderzoeker aan de Universiteit van Cardiff, kan GREAT binnen 17 seconden na ontvangst van de seismische data uiterst precies voorspellen waar de bron van de tsunami ligt, hoe groot deze zal zijn en welke kustgebieden mogelijk getroffen zullen worden.

De implicaties van deze snelle analyses zijn verstrekkend. Als kustgemeenschappen eerder en nauwkeuriger gewaarschuwd worden, hebben ze meer tijd om te evacueren, wat ontelbare levens kan redden. De integratie van GREAT in bestaande tsunami-waarschuwingscentra kan ook financieel grote gevolgen hebben. Door minder vaak ‘vals alarm’ te slaan, kunnen de kosten van onnodige bedrijfssluitingen en kustevacuaties aanzienlijk worden verlaagd. Die besparing kan dan weer in andere essentiële rampenpreventie en -respons worden geïnvesteerd. Verder is het goed om te benadrukken dat tsunami’s weliswaar meestal veroorzaakt worden door aardbevingen, maar dat ze ook kunnen ontstaan door andere factoren. Denk aan aardverschuivingen, vulkaanuitbarstingen, extreme weersomstandigheden en zelfs meteoorinslagen. Dankzij de mogelijkheid om verticale waterbewegingen te monitoren — wat de oorzaak ook is — kan GREAT ook voor dit soort tsunami’s waarschuwen.

“Het grote voordeel van deze AI-aanpak is de enorme precisie. Het leert van decennia aan data en kan nauwkeuriger zijn dan wat tot nu toe als de industrienorm wordt beschouwd”.

Remy Lam van Google DeepMind

Deze AI helpt je om uit de buurt te blijven van naderende orkanen

Meteorologen maken al tientallen jaren gebruik van numerieke weersvoorspellingsmodellen. Deze verwerken een stortvloed aan gegevens die afkomstig zijn van weerstations, satellieten, ballonnen en zelfs sensoren op commerciële vliegtuigen. Deze modellen gebruiken ingewikkelde formules om de dynamiek van de aardatmosfeer na te bootsen en geven zo een beeld van hoe het weer zich zal ontwikkelen. De methode is indrukwekkend en naarmate de modellen en computerkracht beter worden, neemt ook de nauwkeurigheid van de voorspellingen toe. Maar het proces kent ook nadelen, zoals de immense hoeveelheid rekenkracht die ervoor nodig is. Deze modellen draaien op enkele van de meest geavanceerde supercomputers ter wereld en het produceren van één enkele voorspelling kan uren duren. Dit beperkt de frequentie van updates, wat het verspreiden van essentiële weersinformatie soms vertraagt.

Om de uitdagingen van traditionele weersvoorspellingen aan te pakken, heeft Google DeepMind GraphCast ontwikkeld, een AI-tool die de manier waarop we het weer voorspellen kan revolutioneren. GraphCast laat het nabootsen van de aardse atmosfeercondities, zoals bij NWP-modellen, links liggen. In plaats daarvan graaft het met machine learning algoritmes door bergen historische weergegevens, inclusief data van het ECMRWF-model — een van de meest gerenommeerde weersvoorspellingssystemen ter wereld. Door te leren van deze historie kan GraphCast patronen en verbanden herkennen en zo voorspellen hoe de huidige weersomstandigheden zich zullen ontwikkelen. “Het grote voordeel van deze AI-aanpak is de enorme nauwkeurigheid”, vertelt Remy Lam van Google DeepMind, een van de makers van de tool. “Het leert van decennia aan data en is preciezer dan wat tot nu toe als de industrienorm wordt beschouwd”. Sterker nog, volgens een wetenschappelijk onderzoek in het tijdschrift Science, presteert GraphCast op meer dan 90 procent van de cruciale weerfactoren beter dan het ECMRWF-model. Deze indrukwekkende prestatie wordt nog opmerkelijker als je bedenkt dat GraphCast zijn voorspellingen veel sneller kan genereren dan traditionele methoden — en dat met slechts een klein deel van de rekenkracht.

Waar het ECMRWF-model uitblinkt in detail, doet GraphCast het beter in het voorspellen van het verloop van grote stormen, zoals orkanen. Zo kon het ECMRWF-model het traject van Orkaan Lee zes dagen vooruit voorspellen en lukte het GraphCast om negen dagen voor de landval een voorspelling te doen, wat waardevolle extra tijd oplevert voor voorbereidingen en evacuaties. Ondanks deze indrukwekkende prestaties is het belangrijk om te onthouden dat GraphCast niet bedoeld is als volledige vervanging van traditionele weersvoorspellingsmethoden. “AI-modellen worden getraind met data en die data komt uit traditionele methoden; we hebben de traditionele aanpak dus nog steeds nodig om data te verzamelen om het model te trainen”, voegt Lam toe. AI-tools zijn bedoeld als aanvulling en verbetering van NWP-modellen. In die combinatie bieden ze de meest nauwkeurige en uitgebreide voorspellingen.

Een laatste overweging

Nu we als gevolg van klimaatverandering steeds vaker met extreme weersomstandigheden te maken krijgen, zijn slimme oplossingen belangrijker en urgenter dan ooit. Door AI los te laten op zowel historische als real-time data, kunnen we geavanceerdere modellen ontwikkelen die veel meer factoren in overweging nemen. Dit leidt tot snellere en scherpere voorspellingen, waardoor we mensen eerder kunnen  waarschuwen en bedrijven en overheden zich beter op naderend onheil kunnen voorbereiden. Door menselijk inzicht en machine-intelligentie te bundelen, bouwen we aan voorspellingssystemen die robuuster, nauwkeuriger en alerter zijn en beter opgewassen tegen de klimaatuitdagingen van vandaag. Maar naarmate we steeds meer op dit soort geavanceerde tools vertrouwen — ook voor beslissingen die van absoluut levensbelang zijn — moeten we ons ook afvragen welke rollen we technologie in ons leven willen laten spelen. Willen we echt blind vertrouwen op de algoritmes achter deze systemen? Belanden we straks niet in een situatie waarin we overgeleverd zijn aan machines die we niet meer echt begrijpen of in de hand hebben?