idw - Informationsdienst
Wissenschaft
Mit Hilfe von Wetterdaten, einem traditionellen Klimarechenmodell und künstlicher Intelligenz kann Dr. Daniel Krieger vom Centrum für Erdsystemforschung und Nachhaltigkeit der Universität Hamburg erstmals die Häufigkeit und Höhe von Sturmfluten in den nächsten zehn Jahren vorhersagen. Die Ergebnisse wurden im Fachmagazin Geophysical Research Letters veröffentlicht.
Die Studie zeigt am Beispiel Cuxhaven, Esbjerg (Dänemark) und Delfzijl (Niederlande), dass die Prognosen verlässlich sind. So wurden beispielsweise in den letzten zehn Jahren in Cuxhaven durchschnittlich 11,6 Sturmfluten pro Jahr registriert. Das Modell kam für denselben Zeitraum auf jährlich 12,8 Sturmfluten, mit einem Toleranzbereich von 1,6 Sturmfluten nach oben und unten.
„Bis 2029 bleibt der Wert mit 12 Sturmfluten jährlich ähnlich“, sagt Klimamodellierer Daniel Krieger. Anders bei der Höhe der Fluten: „Während die höchste jährliche Sturmflut der letzten zehn Jahre im Schnitt bei 2,5 Metern lag, zeigt unser Modell für die kommenden fünf Jahre im Mittel drei Meter an.“
Bisher konnten Klimamodelle lediglich berechnen, ob in Zukunft mehr Stürme im Bereich der Nordsee entstehen – aber nicht, wie sie sich an bestimmten Küstenorten auswirken werden. Gerade solche Informationen sind aber wichtig, da die Orte nach Lage, Beschaffenheit und Ausrichtung zum Wind ganz unterschiedlich betroffen sein können. Nützlich sind die Infos zum Beispiel für den Küstenschutz, geplante Deichbauten oder eine sichere Infrastruktur von Häfen.
Das Team um Krieger nutzte für die Analyse die stündlich gemessenen Wasserstände eines Ortes, die seit Jahrzehnten erhoben wurden. Für Cuxhaven existieren zum Beispiel rund 700.000 Messwerte, ermittelt seit 1940. Mit diesen Werten, Wetterkarten und Luftdruckdaten fütterten die Forschenden ein statistisches Modell, dessen Algorithmus selbst lernen kann. Das Modell erfuhr dabei nur 80 Prozent der Daten. Der Rest blieb geheim, um das Modell später zu testen. Anschließend verknüpfte das Team 10-Jahres-Vorhersagen mit dem KI-Modell, um gezielte Prognosen für einen Ort zu erhalten.
Eine solche Prognose zu berechnen, dauerte knapp eine Sekunde. Das ist mehrere Hundert mal schneller als traditionelle Klimamodelle, die viel Rechenzeit benötigen. Die Vorhersagen werden voraussichtlich besonders für die 2030er Jahre interessante Ergebnisse liefern. Denn noch dämpft eine interne Klimaschwankung die Auswirkungen des Meeresspiegelanstiegs. Sie hat einen Zyklus von rund 35 Jahren. Krieger erwartet, dass sie in einigen Jahren ins Gegenteil ausschlägt. Dies könnte vor Ort zu höheren Sturmfluten führen. Mit Hilfe der neuen Methode will er ermitteln, wo.
Kontakt
Dr. Daniel Krieger
Universität Hamburg
Centum für Erdsystemforschung und Nachhaltigkeit (CEN)
Tel.: +49 40 42838-7622
E-Mail: daniel.krieger@uni-hamburg.de
Stephanie Janssen
Universität Hamburg
Centrum für Erdsystemforschung und Nachhaltigkeit (CEN)
Exzellenzcluster “Climate, Climatic Change, and Society” (CLICCS)
Presse- und Öffentlichkeitsarbeit
Tel: +49 40 42838-7596
E-Mail: stephanie.janssen@uni-hamburg.de
Krieger D, Weisse R, Baehr J, Borchert L (2025): Machine learning-driven skillful decadal predictions of the German Bight storm surge climate; Geophysical Research Letters;
https://doi.org/10.1029/2024GL111558
https://www.cen.uni-hamburg.de/
Klimamodellierer Dr. Daniel Krieger kann Sturmfluten genauer vorhersagen als bisher
privat
privat
Merkmale dieser Pressemitteilung:
Journalisten, Wissenschaftler
Geowissenschaften, Meer / Klima
überregional
Forschungsergebnisse, Wissenschaftliche Publikationen
Deutsch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).