Neues Deep‑Learning‑Modell verbessert Taifunenvorhersagen im Nordwestpazifik

Forscher haben ein bahnbrechendes Deep‑Learning‑System entwickelt, das die Vorhersage von tropischen Wirbelstürmen (TCs) im Nordwestpazifik deutlich verbessert. Im Gegensatz zu bisherigen Modellen nutzt das neue Verfahren nicht nur atmosphärische Daten, sondern kombiniert auch Informationen aus Ozean und Gelände – ein Ansatz, der bisher noch nicht umgesetzt wurde.

Das Team hat dafür einen einzigartigen Datensatz namens AOT‑TCs erstellt, der heterogene Variablen aus der Atmosphäre, dem Meer und dem Land enthält. Durch diese umfassende Datenbasis kann das Modell komplexe Wechselwirkungen zwischen den physikalischen Domänen erfassen und so sowohl normale als auch abweichende TC‑Routen präziser vorhersagen.

In umfangreichen Tests, die alle Taifunenkasern von 2017 bis 2024 abdecken, zeigte das Modell eine führende Leistung. Es steigert die Genauigkeit der Vorhersagen für reguläre Wirbelstürme erheblich und überwindet bisherige Grenzen bei der Prognose von stark abweichenden TCs. Diese Fortschritte könnten die Wetterwarnungen für betroffene Regionen deutlich verbessern.