Michael JohnsonVäderstationer vid skolor ska bidra med lokala observationer till forskning om AI-baserade väderprognoser: den 13 oktober tillkännagav Google.org ett åtagande på 5 miljoner dollar till väder- och klimatforskning i Irland. Ett fyraårigt program planeras, med installation av 560 soldrivna stationer vid skolor; forskarna ska undersöka korttidsprognoser för skyfall och stormar.
Enligt Googles tillkännagivande ska Google.org bidra med 2,25 miljoner euro (2,5 miljoner dollar) till AIMSIR Centre och Climate + Co-Centre via UCD Foundation. AIMSIR-forskarna ska samarbeta med den nationella vädertjänsten Met Éireann och Climate + Co-Centre. De planerar att kombinera Google Earth AI-modeller och satellitbilder med mer än 70 års historiska klimatdata från Irland och uppgifter från markbaserade observationer.
Varför prognoser behöver fler sensorer
Väderstationer på marken ger viktiga observationer, men avstånden mellan dem kan göra att lokala fenomen inte fångas upp. Google nämner plötsliga skyfall och mikrovindbyar som exempel på händelser som är svåra att följa med ett glest observationsnät. Forskningsprogrammet ska visa om ytterligare data nära marken kan bidra till modeller för nowcasting – prognoser av snabbt föränderligt väder i realtid.
För invånarna kan nyttan bestå i tidigare varningar för plötsliga skyfall, översvämningar och kraftiga stormar. Google pekar också på ett utbildningsmål: lärare vid skolor där stationer installeras ska få utbildning i att använda data i undervisningen.
Vad resultaten kan visa
Det praktiska måttet är inte antalet installerade sensorer i sig, utan om de extra lokala observationerna förbättrar korttidsprognoser och varningar för specifika områden. Forskarna behöver jämföra prognoserna med faktiska väderobservationer och bedöma hur användbara de nya mätningarna är för att följa nederbörd som utvecklas snabbt.
I tillkännagivandet den 13 oktober beskrev Google programmets mål, deltagare och planerade nätverk, men rapporterade inga resultat från tester av ett system som redan är i drift. Det handlar nu om att starta ett finansierat forskningsprogram och planera infrastrukturen. Projektets betydelse beror på om modellerna kan använda de extra observationerna för att ge mer användbara lokala prognoser.