Kan AI forudsige en orkanes bane 48 timer før landgang med 90 % nøjagtighed ?

Fremskridt inden for fysik-informerede neurale netværk og højopløselig klimamodellering har gjort det muligt for AI at overgå traditionelle meteorologiske metoder inden for kortfristet vejrprognoser. Ved at assimilere realtidsdata fra satellitter med ensemble-simuleringer fanger disse modeller fine-skala atmosfæriske dynamikker. De præcisionsgevinster, der er opnået, har betydelige konsekvenser for katastrofeberedskab og ressourceallokering.

Nuværende vejrprognosemodeller har gjort betydelige fremskridt med at forudsige banen for orkaner, men at opnå 90 % nøjagtighed 48 timer før landgang forbliver en udfordrende opgave. National Hurricane Center anvender avancerede computermodeller, såsom Global Forecast System og European Centre for Medium-Range Weather Forecasts model, til at forudsige orkaners baner. Disse modeller tager højde for forskellige atmosfæriske og oceaniske faktorer, herunder vindmønstre, havoverfladetemperaturer og atmosfærisk tryk. Selvom disse modeller er blevet forbedret gennem årene, er der stadig en vis grad af usikkerhed forbundet med forudsigelser af orkaners baner, især for længere tidshorisonter. Ifølge nylige undersøgelser er den gennemsnitlige fejl i forudsigelser af orkaners baner 48 timer før landgang på omkring 100-150 miles. For at nå 90 % nøjagtighed ville betydelige fremskridt inden for modelopløsning, dataassimilering og ensemble-prognoseteknikker være nødvendige. Forskere arbejder aktivt på at forbedre orkanprognosemodellerne ved at inddrage nye datakilder, såsom ubemandede luftfartøjer og satellitbilleder, for bedre at forudsige orkaners adfærd. Som følge heraf forventes nøjagtigheden af orkanbaneforudsigelser sandsynligvis at fortsætte med at forbedre sig i de kommende år.

+- administreret 13. maj 2026 · Kilde: National Oceanic and Atmospheric Administration — https://www.noaa.gov/