WeatherNext: AI-model boekt doorbraak in het voorspellen van cyclonen

WeatherNext maakt nauwkeurige voorspellingen van cyclonen mogelijk, wat kan zorgen voor een extra dag waarschuwing. Het model wordt nu open source beschikbaar gesteld.

Het voorspellen van de ontwikkeling van gevaarlijke cyclonen is een langdurige uitdaging waarbij elke ure telt. Tropische cyclonen — ook wel bekend als orkanen of tyfoons — behoren tot de meest destructieve weersverschijnselen op aarde. In de afgelopen 50 jaar zijn ze wereldwijd verantwoordelijk voor meer dan 700.000 doden en 1,4 biljoen dollar aan economische verliezen. Voor weersvoorspellers is het uitgeven van tijdige, nauwkeurige waarschuwingen een constante race tegen de klok.

In een recent in Nature gepubliceerd artikel tonen wij aan dat ons AI-model, WeatherNext, een state-of-the-art nauwkeurigheid heeft bereikt bij het voorspellen van het traject, de intensiteit en de windstructuur van een cycloon. Gemiddeld geeft ons model voorspellers een extra dag aan voorspellende nauwkeurigheid: onze drie-daagse voorspellingen zijn net zo goed als wat eerdere modellen konden bieden voor slechts de komende twee dagen. Deze schaal van verbetering komt ruwweg overeen met tien jaar aan meteorologische vooruitgang.

Dit collaboratieve werk bracht AI-onderzoekers en engineers van Google DeepMind en Google Research samen met deskundige voorspellers van het National Hurricane Center (NHC), het Cooperative Institute for Research in the Atmosphere (CIRA), de Britse Met Office en weerdiensten over de hele wereld.

Impact in de praktijk

Ons onderzoek heeft al tastbare resultaten opgeleverd. Tijdens het orkaanseizoen van 2025 hielp ons model het NHC om een historische voorspelling te doen voor orkaan Melissa door de snelle intensivering en de landval in Jamaica te voorspellen. Hierdoor kon het NHC tijdig een waarschuwing uitsturen, waardoor teams ter plaatse cruciale tijd kregen om zich voor te bereiden. Dit jaar werken we de samenwerking voort en voorspellen we nu 1.000 mogelijke scenario's per cycloon om voorspellers te ondersteunen bij hun besluitvorming.

Aangezien het weer iedereen beïnvloedt, stellen we onze modellen WeatherNext 2 en WeatherNext Cyclones (gebruikt tijdens het orkaanseizoen) nu open source beschikbaar. Door deze technologie openlijk toegankelijk te maken, hopen we de onderzoeksgemeenschap te versterken en de impact van AI te vergroten bij het bouwen van veerkrachtigere gemeenschappen — of dat nu gaat om het voorzien van lokale voorspellers van de nodige instrumenten, het ondersteunen van de groei van hernieuwbare energie of het anticiperen op extreem weer.

Hoe WeatherNext het weer en cyclonen voorspelt

Uitgaande van wereldwijde atmosferische condities tijdens orkaan Milton (oktober 2024), voorspelt WeatherNext Cyclones iteratief zowel wereldwijde weerspatronen als fijnmazige cycloon-trajecten tot 15 dagen vooruit. Door een ensemble van 1.000 leden te draaien, worden gelokaliseerde waarschijnlijkheidskaarten gegenereerd voor windsnelheden variërend van tropische storm tot orkaankracht.

Voorheen dwong het voorspellen van cyclonen vaak tot een compromis tussen twee verschillende modelleringstechnieken:

• Het traject (waar hij heen gaat): Dit wordt gestuurd door massieve, wereldwijde atmosferische stromingen, die voorheen het best gemodelleerd konden worden door grovere globale modellen.
• De intensiteit (hoe sterk hij wordt): Dit wordt gedreven door zeer lokale, fijnmazige thermodynamische fysieke processen rond de kern, die het best gemodelleerd worden door gespecialiseerde, lokale modellen met een hogere resolutie.

Ons WeatherNext-model overbrugt dit gat door zowel de algemene wereldwijde weersvoorspellingen als die van cyclonen te verbeteren. Het is één enkel AI-model dat traject, intensiteit en windstructuur voorspelt met state-of-the-art nauwkeurigheid. Deze doorbraak is het resultaat van een unieke combinatie van training, architectuur en de aanpak van inputs met een lage resolutie.

Evaluatie en Training

We hebben WeatherNext Cyclones geëvalueerd op historische cyclonen uit 2023 tot 2024 en de deterministische en probabilistische prestaties afgezet tegen andere topmodellen voor het weer. Gemiddeld behaalt WeatherNext Cyclones een voorsprong van meer dan een volledige dag (24 uur) in lead-time voor het voorspellen van trajecten, intensiteit en windstructuur.

Het model is co-getraind op twee verschillende datamodaliteiten:

1. Wereldwijde weerdynamiek.
2. Door experts samengestelde historische waarnemingen van cyclonen.

Door end-to-end te trainen op bijna 20 terabytes aan wereldwijde atmosferische data en de historische IBTrACS-database (met bijna 5.000 historische stormen), leert het model complexe atmosferische patronen herkennen en extreem weer modelleren. De verbetering in nauwkeurigheid voor zowel traject als intensiteit komt, afgezet tegen trends van de afgelopen 20 jaar, overeen met een sprong van tien jaar vooruitgang.

Architectuur en Resolutie

Ons model maakt gebruik van Functional Generative Networks (FGN's) om efficiënt ensembles van verschillende voorspellingen te produceren, wat de inherente onzekerheid van het weer vastlegt. We kunnen nu een enkele 15-daagse voorspelling in minder dan een minuut genereren op een TPU, waardoor voorspellers snel de waarschijnlijkheidsverdeling van potentieel verwoestende 'tail-risks' kunnen evalueren. Waar ons systeem vorig jaar nog 50 voorspellingen tegelijk produceerde (vergelijkbaar met globale fysica-modellen), hebben we dit jaar de ensemble-grootte uitgebreid naar 1.000 leden. Hiermee worden zeldzame maar ingrijpende scenario's, zoals snelle intensivering, beter gevangen.

Tot nu toe werd een zeer hoge ruimtelijke resolutie beschouwd als de belangrijkste drijfveer voor nauwkeurige intensiteitsvoorspellingen. Opvallend is dat WeatherNext Cyclones echter slechts data nodig heeft met een resolutie van 28x28 km, wat 100 keer grover is dan traditionele modellen. Zelfs een kleinere versie, WeatherNext 2-mini (met een resolutie van 111x111 km), vertoont uitstekende prestaties. Het blijft een open onderzoeksvraag hoe onze modellen zulke nauwkeurige voorspellingen leveren bij deze resolutie; we hopen dit samen met de onderzoeksgemeenschap te ontrafelen.

WeatherNext openstellen voor de onderzoeksgemeenschap

Naast ons artikel in Nature stellen we de code en de modelgewichten open source beschikbaar, zodat iedereen hierop kan voortbouwen. Dit omvat academisch onderzoek, operationele voorspellingen of het ontwikkelen van meer gespecialiseerde lokale modellen.

We brengen twee sets vergelijkbare modellen uit:

• WeatherNext Cyclones: Het model dat tijdens het orkaanseizoen is gedraaid.
• WeatherNext 2: Een latere update die in oktober operationeel is gemaakt.
• WeatherNext 2-mini: Een compacte versie die op een enkele TPU kan draaien in een gratis publiek Colab-notebook.

De nieuwste cycloonvoorspellingen zijn te vinden op Weather Lab (onderdeel van Google Earth AI), dat onlangs is vernieuwd met een nieuwe interface. Hier kunnen voorspellingen voor temperatuur, neerslag, windsnelheid en meer worden gevisualiseerd in één overzicht.

De grenzen van AI voor weersvoorspellingen verleggen

We hebben een historische doorbraak bereikt door meer dan een volledige dag aan lead-time te winnen bij het voorspellen van cyclonen. Terwijl we ons voorbereiden op toekomstige stormseizoenen, nodigen we onderzoekers, meteorologische instanties en experts uit om met ons samen te werken en gebruik te maken van onze open source modellen. Door geavanceerde machine learning te combineren met de onmisbare expertise van menselijke voorspellers, streven we naar een collaboratief ecosysteem voor weersvoorspellingen dat levens kan redden en gemeenschappen helpt zich aan te passen aan een veranderend klimaat.

***

Opmerking: Raadpleeg voor officiële weersvoorspellingen en waarschuwingen uw lokale meteorologische instantie of nationale weerdienst.

Erkenningen Dit onderzoek is gezamenlijk ontwikkeld door de teams van Google DeepMind en Google Research. We danken onze partners NOAA/NWS/NCEP National Hurricane Center, Cooperative Institute for Research in the Atmosphere (CIRA) en de UK Met Office voor hun bijdragen aan het artikel.

Dit werk weerspiegelt de bijdragen van de co-auteurs: Ferran Alet, Tom Andersson, Ilan Price, Stratis Markou, Andrew El-Kadi, Dominic Masters, Amy Li, Samier Merchant, Natalie Williams, Gregory Thornton, Ken MacKay, Olivia Graham, Akib Uddin, Ben Gaiarin, Devaja Shah, Elinor Kruse, Wallace Hogsett, David Zelinsky, John Cangialosi, Jonathan Martinez, James Franklin, Mark DeMaria, Kate Musgrave, Caroline L. Bain, Helen Titley, Jacklynn Stott, Remi Lam, Aaron Bell, Paul Komarek, Matthew Willson, Alvaro Sanchez-Gonzalez en Peter Battaglia.