Seine Verbesserungen ermöglichen eine präzisere Simulation von Phänomenen innerhalb von Wolken, wie die Bildung von Regen und Eiskristallen. Dies hilft nicht nur beim Verständnis der Rolle von Wolken und verschiedenen Partikeln im Klimasystem, sondern bedeutet auch einen Schritt hin zu besseren Prognosen zum Klimawandel.

Mit unserem verbesserten Wolkenmodell haben wir gezeigt, dass es realistischere Simulationen als frühere Generationen erzeugen kann, erklärt Ahola.

Das verfeinerte Modell geht auf Details ein, wie Eiskristalle oder Seesalz, die vom Wind aufgewirbelt werden, die Langlebigkeit von Wolken beeinflussen können. Dies wirkt sich wiederum auf die Gesamtwolkenabdeckung aus, die eine entscheidende Rolle für die Reflektivität der Erde spielt und bestimmt, wie viel Sonnenlicht ins Weltall zurückreflektiert oder vom Planeten eingefangen wird.

Obwohl die unmittelbare Anwendung auf die Wettervorhersage aufgrund der rechnerischen Intensität des Modells begrenzt ist, ist Ahola optimistisch, dass zukünftige Verbesserungen der Rechenleistung den Einsatz für genauere Wettervorhersagen ermöglichen werden.

Die Forschung arbeitet mit einem fortschrittlichen Wolkenmodell, das viel detaillierter ist als die grobe Auflösung von globalen Klimamodellen. Stellen Sie sich das so vor, als würde man die Bildqualität einer Kamera verbessern, analogisiert Ahola.

Durch die Verfeinerung der Darstellung von Wolken in diesen breiteren Modellen erreicht die Forschung ein Detailniveau, das dem Umstieg von der Qualität einer frühen Handykamera auf High-Definition-Klarheit ähnelt. Um diese Verbesserung zu erreichen, setzten Ahola und sein Team künstliche Intelligenz ein.

Sie haben maschinelles Lernen Modelle oder sogenannte Ersatzmodelle auf Basis eines hochauflösenden Wolkenmodells erstellt. Mit diesen Ersatzmodellen können die Ergebnisse des ursprünglichen Wolkenmodells viel schneller repliziert werden, was genauere Klimasimulationen ermöglicht, besonders in Bezug auf Wolken phänomene, fügt Ahola hinzu.