Eine neue Methode zur Vorhersage der saisonalen Hurrikanaktivität, die von Forschern der North Carolina State University entwickelt wurde, ist 15 Prozent genauer als frühere Techniken.
Eine neue Methode zur Vorhersage der saisonalen Hurrikanaktivität, die von Forschern der North Carolina State University entwickelt wurde, ist 15 Prozent genauer als frühere Techniken.
„Dieser Ansatz sollte den politischen Entscheidungsträgern zuverlässigere Informationen liefern als die aktuellen Methoden“, sagt Dr. Nagiza Samatova, Associate Professor für Informatik am NC State und Co-Autor eines Papers, in dem die Arbeit beschrieben wird. "Dies gibt ihnen hoffentlich mehr Vertrauen in die Planung der Hurrikansaison."
Dieses sichtbare Bild des tropischen Sturms Leslie und des Hurrikans Michael wurde vom MODIS-Instrument an Bord der beiden NASA-Satelliten Aqua und Terra aufgenommen. Bildnachweis: NASA Goddard / MODIS Rapid Response Team.
Herkömmliche Modelle zur Vorhersage der saisonalen Hurrikanaktivität basieren auf klassischen statistischen Methoden unter Verwendung historischer Daten. Hurrikanvorhersagen sind teilweise deshalb schwierig, weil eine enorme Anzahl von Variablen im Spiel sind - wie Temperatur und Luftfeuchtigkeit - die für verschiedene Orte und zu verschiedenen Zeiten eingegeben werden müssen. Dies bedeutet, dass Hunderttausende von Faktoren zu berücksichtigen sind.
Der Trick besteht darin, zu bestimmen, welche Variablen zu welchen Zeiten an welchen Orten am wichtigsten sind. Diese Herausforderung wird durch die Tatsache verschärft, dass wir nur ungefähr 60 Jahre historische Daten haben, um sie in die Modelle einzubinden.
Die Forscher, darunter auch Dr. Fredrick Semazzi (im Bild), hoffen, mit ihrer neuen Methode unser Verständnis des Hurrikanverhaltens zu verbessern. Bildnachweis: Roger Winstead.
Jetzt haben die Forscher ein „netzwerkmotivbasiertes Modell“ entwickelt, das historische Daten für alle Variablen an allen Orten zu jeder Zeit auswertet, um die Kombinationen von Faktoren zu identifizieren, die die saisonale Hurrikanaktivität am besten vorhersagen. Beispielsweise können einige Kombinationen von Faktoren nur mit geringer Aktivität korrelieren, während andere nur mit hoher Aktivität korrelieren können.
Die Gruppen wichtiger Faktoren, die durch das netzwerkmotivbasierte Modell identifiziert wurden, werden dann in ein Programm eingefügt, um ein Ensemble statistischer Modelle zu erstellen, die die Hurrikanaktivität für die kommende Saison auf einer Wahrscheinlichkeitsskala darstellen. Zum Beispiel könnte man sagen, dass es eine 80-prozentige Wahrscheinlichkeit für eine hohe Aktivität, eine 15-prozentige Wahrscheinlichkeit für eine normale Aktivität und eine 5-prozentige Wahrscheinlichkeit für eine niedrige Aktivität gibt.
Die Definitionen dieser Aktivitätsstufen variieren von Region zu Region. Im Nordatlantik, der die Ostküste der Vereinigten Staaten abdeckt, ist eine hohe Aktivität als acht oder mehr Hurrikane während der Hurrikansaison definiert, während eine normale Aktivität als fünf bis sieben Hurrikane definiert ist und eine niedrige Aktivität vier oder weniger beträgt.
Mithilfe der Kreuzvalidierung, bei der teilweise historische Daten eingegeben und die Ergebnisse der neuen Methode mit späteren historischen Ereignissen verglichen wurden, stellten die Forscher fest, dass die Genauigkeit der Vorhersage des Ausmaßes der Hurrikanaktivität bei der neuen Methode 80 Prozent beträgt. Dies entspricht einer Genauigkeit von 65 Prozent für herkömmliche Vorhersagemethoden.
Mithilfe des Netzwerkmodells haben Forscher nicht nur zuvor identifizierte prädiktive Gruppen von Faktoren bestätigt, sondern auch eine Reihe neuer prädiktiver Gruppen identifiziert.
Die Forscher planen, die neu identifizierten Gruppen relevanter Faktoren zu nutzen, um unser Verständnis der Mechanismen zu verbessern, die die Variabilität und das Verhalten von Hurrikanen beeinflussen. Dies könnte letztendlich unsere Fähigkeit verbessern, die Spur von Hurrikanen, ihre Schwere und die möglichen Auswirkungen des globalen Klimawandels auf die Hurrikanaktivität bis in die Zukunft vorherzusagen.
Über die North Carolina State University