Weersvoorspellingen zijn vaak onbetrouwbaar. Maar om de impact van extreem weer, zoals droogte of hitte, te verminderen is het juist belangrijk om tijdig te weten wanneer er extreem weer op komst is. Van Straaten gebruikt hiervoor een combinatie van natuurkundige en statistische weermodellen. Hiermee toont hij aan dat de verdeling van koude en warme lucht beter voorspeld kan worden als je naar langere periodes en grotere gebieden kijkt.
Machine learning
Met behulp van machine learning-technieken ontdekten Van Straaten en zijn collega-onderzoekers dat processen in de Stille Oceaan van belang zijn in het sturen van die verdeling tussen koude en warme lucht. Deze link in het klimaatsysteem bleek te missen in het model dat voor de voorspellingen van veel weerapps wordt gebruikt. Ze ontwikkelden, in samenwerking met de KNMI, een methode die dat model statistisch corrigeert en bruikbaarder maakt.
Verbeterd door AI
Deze methode biedt ook meer inzichten in de fouten van weersvoorspellingen, onder meer door het vergelijken van voorspellingen en daadwerkelijk gemeten weer. Volgens Van Straaten is de methode een duidelijke manier waarop klassieke, op natuurkunde gebaseerde weermodellen verbeterd kunnen worden met AI. ‘Alle afnemers van weervoorspellingen, van waterschappen, tot boeren, tot gewone burgers, kunnen daarvan profiteren. Ze zullen vervroegd beschikking hebben tot betrouwbare informatie.’