Eine neue Studie, die vom Met Office geleitet wird, zeigt potenzielle Verbesserungen bei hyperlokalen Vorhersagen für Hitzewellen in städtischen Gebieten durch die Nutzung von Bürgerbeobachtungen, Landbedeckungsdaten und maschinellem Lernen. Die Veröffentlichung im Fachjournal Meteorological Applications Journal der Royal Met Society ist die erste ihrer Art, die die Verwendung von Bürgerbeobachtungen und maschinellem Lernen zur Verbesserung der Genauigkeit von Temperaturvorhersagen auf hyperlokaler Ebene untersucht.
Unterstützt von der University of Reading und dem Australian Bureau of Meteorology untersuchte die Proof-of-Concept-Studie acht Hitzeevents, die London von 2019 bis 2021 erlebte, und kombinierte operationelle Wettervorhersagen des Met Office mit qualitätskontrollierten Bürgerbeobachtungen und Landnutzungsdaten, um ein maschinelles Lernmodell zu trainieren. Die Studie ergab, dass maschinelles Lernen die Vorhersage von städtischen Hitzewellen im Vergleich zu den ursprünglichen Wettervorhersagedaten um bis zu 11% verbesserte.
Die Methode, die Bürgerbeobachtungen und städtische Landbedeckungsdaten kombiniert, ermöglicht es der Temperaturvorhersage, aus vorherigen Ereignissen zu lernen und natürliche und vom Menschen verursachte Einflüsse auf die Temperatur zu berücksichtigen, die sich in städtischen Gebieten über relativ kurze Entfernungen erheblich unterscheiden können.
Die Forschung wurde teilweise durch das Met Office Weather and Climate Science for Service Partnership India Projekt finanziert, das vom Department for Science, Innovation and Technology unterstützt wird. Zusätzliche Unterstützung wurde vom Natural Environment Research Council und dem Science and Technology Facilities Council bereitgestellt.