Recherche sur les technologies vertes : KIT utilise l’IA pour les données météorologiques haute résolution et les cartes de précipitations

De fortes pluies peuvent déclencher des catastrophes naturelles telles que des inondations ou des glissements de terrain.

Des modèles climatiques mondiaux sont nécessaires pour prédire les changements dans la fréquence de ces extrêmes attendus en raison du changement climatique. Dans une étude, des chercheurs de l’Institut technologique de Karlsruhe (KIT) présentent pour la première fois une méthode basée sur l’intelligence artificielle (IA) qui peut être utilisée pour augmenter la précision des champs de précipitations bruts générés par les modèles climatiques mondiaux.

Ils ont réussi à améliorer la résolution spatiale des champs de précipitations de 32 à deux kilomètres et la résolution temporelle d’une heure à dix minutes. Cette résolution accrue est nécessaire pour pouvoir mieux prédire à l’avenir l’apparition plus fréquente de fortes précipitations locales et les catastrophes naturelles qui en résultent. (EST CE QUE JE10.1029/2023EA002906)

Viele Naturkatastrophen wie Überschwemmungen oder Erdrutsche sind direkte Folgen von extremen Niederschlägen. Forschende erwarten, dass mit steigenden Durchschnittstemperaturen extreme Niederschläge weiter zunehmen werden. Um sich an ein sich änderndes Klima anzupassen und frühzeitig auf Katastrophen vorbereiten zu können, sind genaue lokale und globale Informationen über den aktuellen sowie zukünftigen Wasserkreislauf unerlässlich. „Niederschläge sind sowohl räumlich als auch zeitlich sehr variabel und daher schwer vorherzusagen – insbesondere auf lokaler Ebene“, sagt Dr. Christian Chwala vom Institut für Meteorologie und Klimaforschung – Atmosphärische Umweltforschung (IMK-IFU), dem Campus Alpin des KIT in Garmisch-Partenkirchen. „Deshalb wollen wir die Auflösung von Niederschlagsfeldern, wie sie zum Beispiel von globalen Klimamodellen erzeugt werden, erhöhen und damit vor allem ihre Einordnung bezüglich möglicher Bedrohungen wie Flutkatastrophen verbessern.“

Une résolution plus fine pour des modèles climatiques régionaux plus précis

Les modèles climatiques mondiaux actuels utilisent une grille qui n’est pas suffisamment fine pour représenter avec précision la variabilité des précipitations. Des cartes de précipitations à haute résolution ne peuvent être générées qu’à l’aide de modèles extrêmement gourmands en calcul et donc limités dans l’espace ou dans le temps. « Nous avons donc développé un réseau neuronal génératif – appelé GAN – issu du domaine de l’intelligence artificielle et l’avons entraîné avec des champs de précipitations radar à haute résolution. Le GAN apprend à générer des champs de précipitations réalistes et leur séquence temporelle à partir de données grossièrement résolues », explique Luca Glawion de l’IMK-IFU. “Cela signifie que le réseau est capable de créer des films de précipitations radar réalistes et à haute résolution à partir de cartes à résolution très grossière. ” Ces cartes radar raffinées montrent non seulement comment les cellules de pluie se développent et se déplacent, mais reconstruisent également avec précision les statistiques locales de pluie avec les valeurs correspondantes. distribution de valeurs extrêmes.