Einen Tag vor Landfall lassen sich noch Schutzräume öffnen, Rettungsfahrzeuge verlegen, Häfen schließen und gefährdete Menschen evakuieren. Genau diesen Zeitgewinn verspricht Google DeepMind mit WeatherNext Cyclones, veröffentlicht am 6. August.
Das Modell erschien zusammen mit einem Nature-Paper; Code und Gewichte wurden offengelegt. Laut Google DeepMind erreichen Drei-Tage-Prognosen für Bahn, Intensität und Windstruktur tropischer Zyklone die Genauigkeit früherer Zwei-Tage-Prognosen.
Ein Modell für Bahn und Stärke
Die Bahn hängt von großräumigen Strömungen ab, die Stärke von kleinskaligen Prozessen nahe dem Sturmzentrum. WeatherNext Cyclones kombiniert globale Wetterdynamik mit kuratierten historischen Zyklondaten.
Der offizielle Blog nennt fast 20TB globale Atmosphärendaten und knapp 5.000 historische Stürme aus IBTrACS. Das System kann bis zu 15 Tage vorhersagen und daraus Bahn, Intensität und Windradien ableiten.
“Time is really golden when it comes to those types of decisions.”
Der Satz von NHC-Direktor Mike Brennan macht klar, warum 24 Stunden zählen: Evakuierung und Vorräte sind praktische Zeitentscheidungen.
Die niedrige Auflösung überrascht
WeatherNext Cyclones nutzt Eingaben von 28×28 km, etwa 100-mal gröber als klassische hochauflösende Ansätze. Eine Mini-Version bei 111×111 km soll ebenfalls brauchbar bleiben.
Die GitHub-Hinweise sind dennoch deutlich: Das Modell ersetzt keine offiziellen Warnungen. Fachleute müssen Wahrscheinlichkeiten weiter in Auswirkungen und Handlungen übersetzen.
Open Source verlagert die Prüfung
Das System erzeugt jetzt 1.000 Szenarien pro Zyklon, nach 50 im Vorjahr. Google gibt an, dass eine 15-Tage-Prognose auf einem TPU weniger als eine Minute braucht.
Für Taifunregionen in Ostasien wird entscheidend, ob unabhängige Tests nach Becken, Küstenform, Gelände und Warnsystem ähnliche Vorteile zeigen. Der Modellscore ist nur der Anfang; früheres Handeln ist der eigentliche Maßstab.
Quellen: Google DeepMind, Google Blog, Nature, WIRED, GitHub WeatherNext, CocoLoop; geprüft wurden Veröffentlichungszeitpunkt, Nature-Paper, Drei-gegen-Zwei-Tage-Vergleich, 24-Stunden-Vorsprung, 20TB Atmosphärendaten, fast 5.000 Stürme, 1.000 Ensemble-Mitglieder, 28×28-km-Eingabe, 15-Tage-Prognosen und Open-Source-Lizenzen.