Sedan 1960-talet har meteorologer steg för steg förfinat de numeriska modellerna som används för att göra väderprognoser. Snabbare datorer, bättre observationer och mer detaljerade simuleringar har lett till att prognoserna blivit alltmer träffsäkra.
I genomsnitt har det inneburit att tillförlitligheten i en väderprognos har blivit en dag längre för varje decennium. Idag är en sexdygnsprognos lika tillförlitlig som en tredygnsprognos var på 1990-talet. Men de senaste två åren har AI tagit plats i väderprognosernas värld och lär fortsätta driva utvecklingen framöver.
– AI ger oss träffsäkrare prognoser mycket snabbare än tidigare. Nu har vi förbättrat prognoserna med en halv dag på bara ett år, säger Heiner Körnich, ansvarig för metodutveckling inom väderprognos på SMHI.
Genombrottet kom med GraphCast, en AI-modell från Google DeepMind. Den tränades på 40 års väderdata och visade att det gick att ta fram tiodygnsprognoser på under en minut, ofta med jämförbar träffsäkerhet som Europas främsta väderprognosmodeller.
Ny teknik på SHMI
På SMHI blir denna teknik snart en del av vardagen. AI används i dag framför allt för att finjustera de prognoser som tagits fram med traditionella modeller och förbättra träffsäkerheten för till exempel temperatur och vind.
Nästa år planerar man att ta en regional AI-modell i drift. Den nya modellen är tränad på resultat från de traditionella prognosmodellerna.
– I början kommer AI lämpa sig bra för väder som inte är extremt. Den ger bättre prognoser, till exempel om det blir en eller två grader kallare än vanligt, säger Heiner Körnich.
Nästa steg för AI
Nästa stora steg i utvecklingen är att AI tränas direkt på observationsdata, utan att behöva input från dagens vädermodeller.
– När AI inom några år tränas direkt på väderdata kommer den lära sig direkt från observationer och ge ännu bättre prognoser, säger Heiner Körnich.
Men även när AI utgår från observationer finns begränsningar. För att modellerna ska fungera krävs stora mängder tillförlitliga data. AI har svårare att förutsäga extrema väderhändelser eller att ge träffsäkra prognoser i områden där vi inte har så mycket data. Det gäller också vädersituationer som vi har svårt att observera, till exempel områden där det finns risk för isbildning på flygplansvingar.
- Ju mer data vi kan förse AI:n med, desto bättre väderprognoser får vi. Därför spelar utvecklingen av satelliter också en avgörande roll i framtidens väderprognoser, säger Heiner Körnich.