KI wird eingesetzt, um die Vorhersage von Blitzschlägen zu verbessern

Die Wettervorhersage hat sich im Laufe des letzten Jahrzehnts erheblich verbessert, mit Fünf-Tages-Vorhersagen, die jetzt etwa 90% genau sind. Ein Aspekt des Wetters, der jedoch lange Versuchen, es vorherzusagen, entgangen ist, ist der Blitz. Da der Blitz so unvorhersehbar ist, ist es sehr schwierig, den Schaden, den er an Menschenleben, Eigentum und der Natur anrichten kann, zu minimieren. Dank der Arbeit eines Forschungsteams der EPFL (Ecole Polytechnique Fédérale de Lausanne) School of Engineering könnten Blitzschläge in naher Zukunft viel vorhersehbarer sein.

Wie von SciTechDaily berichtet, hat ein Team von Forschern der EPFL’s School of Engineering – Electromagnetic Compatibility Laboratory kürzlich ein KI-Programm entwickelt, das in der Lage ist, einen Blitzschlag innerhalb eines Zeitraums von 10 bis 30 Minuten und über einen Radius von 30 Kilometern genau vorherzusagen. Das System, das von dem Ingenieurteam entwickelt wurde, wendet künstliche Intelligenz-Algorithmen auf meteorologische Daten an, und das System wird in dem European Laser Lightning Rod-Projekt eingesetzt.

Das Ziel des European Laser Lightning Rod (ELLR)-Projekts ist es, neue Arten von Blitzschutzsystemen und -techniken zu entwickeln. Insbesondere zielt ELLR darauf ab, ein System zu entwickeln, das eine laserbasierte Technik verwendet, um die Anzahl der natürlichen Blitzschläge nach unten zu reduzieren, indem es aufwärts gerichtete Blitzentladungen stimuliert.

Laut dem Forschungsteam basieren die aktuellen Methoden der Blitzvorhersage auf Daten, die durch Radar oder Satelliten gesammelt werden, was sehr teuer ist. Radar wird verwendet, um Stürme zu scannen und das elektrische Potenzial des Sturms zu bestimmen. Andere Blitzvorhersagesysteme erfordern oft die Verwendung von drei oder mehr Empfängern in einer Region, um die Vorkommen von Blitz zu triangulieren. Die Erstellung von Vorhersagen auf diese Weise ist ein oft langsamer und komplexer Prozess.

Stattdessen verwendet die Methode, die vom EPFL-Team entwickelt wurde, Daten, die an jeder Standard-Wetterstation gesammelt werden können. Das bedeutet, dass die Daten viel billiger und einfacher zu sammeln sind und das System potenziell in abgelegenen Regionen eingesetzt werden könnte, in denen Satelliten- oder Radarsysteme nicht abgedeckt sind und in denen Kommunikationsnetze spotty sind.

Die Daten für die Vorhersagen können auch schnell und in Echtzeit gesammelt werden, was bedeutet, dass eine Region potenziell über bevorstehende Blitzschläge informiert werden könnte, bevor ein Sturm in der Region gebildet wird. Wie von ScienceDaily berichtet, ist die Methode, die das EPFL-Team verwendet hat, um Vorhersagen zu machen, ein Machine-Learning-Algorithmus, der auf Daten trainiert wurde, die von 12 Schweizer Wetterstationen gesammelt wurden. Die Daten umfassten ein Jahrzehnt und sowohl bergige als auch städtische Regionen waren in der Datenmenge vertreten.

Der Grund, warum Blitzschläge überhaupt vorhergesagt werden können, ist, dass sie stark korreliert mit bestimmten Wetterbedingungen sind. Eines der wichtigsten Zutaten für die Bildung von Blitz ist intensive Konvektion, bei der feuchte Luft aufsteigt, wenn die Atmosphäre in der lokalen Region instabil wird. Kollisionen zwischen Wassertropfen, Eisteilchen und anderen Molekülen innerhalb der Wolken können dazu führen, dass sich die elektrischen Ladungen innerhalb der Teilchen trennen. Diese Trennung führt zur Bildung von Wolken mit entgegengesetzten Ladungen, was zu den Entladungen führt, die als Blitz erscheinen. Die atmosphärischen Merkmale, die mit diesen Wetterbedingungen verbunden sind, können in Machine-Learning-Algorithmen eingespeist werden, um Blitzschläge vorherzusagen.

Unter den Merkmalen in der Datenmenge befanden sich Variablen wie Windgeschwindigkeit, relative Luftfeuchtigkeit, Lufttemperatur und atmosphärischer Druck. Diese Merkmale wurden mit aufgezeichneten Blitzschlägen und dem Standort des Systems, das den Schlag erkannt hat, beschriftet. Basierend auf diesen Merkmalen konnte der Algorithmus Muster in den Bedingungen erkennen, die zu Blitzschlägen führten. Als das Modell getestet wurde, konnte es etwa 80% der Zeit korrekt einen Blitzschlag vorhersagen.

Das Modell des EPFL-Teams ist bemerkenswert, weil es das erste Beispiel für ein System ist, das auf allgemein verfügbaren meteorologischen Daten basiert und in der Lage ist, Blitzschläge genau vorherzusagen.