Umetna inteligenca na Agenciji Republike Slovenije za okolje že pomaga pri napovedovanju vremena, naraščanja rek, hudourniških poplav in visokega plimovanja morja. Novi modeli lahko nekatere izračune opravijo bistveno hitreje od klasičnih sistemov, vendar na ARSO poudarjajo, da umetna inteligenca ne nadomešča meteorologov in fizikalnih modelov. Strokovnjakom omogoča hitrejšo obdelavo velike količine podatkov ter zgodnejše prepoznavanje nevarnih pojavov.
ARSO je dosežke na področju uporabe umetne inteligence danes predstavil na dogodku v Ljubljani, ki se ga je udeležilo 160 predstavnikov 45 organizacij iz gospodarstva, javnega sektorja in raziskovalnega okolja.
Na agenciji umetno inteligenco uporabljajo predvsem za hitrejše zaznavanje naravnih pojavov, ki bi lahko ogrozili ljudi in premoženje. Cilj je prebivalcem, Civilni zaščiti ter službam, odvisnim od vremena in vodnih razmer, omogočiti več časa za zaščitno ukrepanje.
“Ko na telefonu pogledamo vremensko napoved ali prejmemo opozorilo, se nam lahko zdi, da je to nekaj samoumevnega. Toda za vsako napovedjo so znanje, raziskave, meritve, modeli in ure dela,” je poudarila predstavnica ministrstva za okolje in prostor Monika Zajc.
Umetna inteligenca ne nadomešča klasičnih modelov
Meteorologija, hidrologija in oceanografija zahtevajo obdelavo izredno velikih količin podatkov. ARSO je zato že dolgo tesno povezan z razvojem računalniških tehnologij, v zadnjem obdobju pa v svoje delo vključuje tudi metode strojnega učenja.
Na agenciji poudarjajo, da ne gre za zamenjavo klasičnih fizikalnih modelov z umetno inteligenco, temveč za povezovanje meritev, opazovanj, vremenskih modelov in metod strojnega učenja.
Takšni postopki omogočajo hitrejše izračune, uporabo večjega števila podatkov in izboljšanje nekaterih napovedi. Uporabni so predvsem pri pojavih, pri katerih morajo biti opozorila pripravljena zelo hitro, denimo pri nevihtah, hudourniških poplavah in hitrem naraščanju morske gladine.
Novi model za podrobnejšo napoved vremena v Sloveniji
ARSO razvija regionalni model za napovedovanje vremena, prilagojen območju Slovenije. Pri tem uporablja tako imenovano prenosno učenje, pri katerem se znanje iz že naučenih modelov dodatno prilagodi slovenskim razmeram in podatkom numeričnega modela ALADIN-SI.
Uporabljajo modele na podlagi grafnih nevronskih mrež in zbirko orodij Anemoi. Preverjanje rezultatov na arhivu opazovanj med januarjem in julijem 2025 je pokazalo, da je bila pri večini spremljanih spremenljivk povprečna napaka novega modela manjša kot pri operativnem numeričnem modelu ALADIN.
Rezultati kažejo, da je mogoče s prenosom znanja razviti podatkovno voden vremenski model, prilagojen Sloveniji. ARSO namerava podatkovno zbirko razširiti na obdobje od leta 2014 do 2026 ter vanjo vključiti tudi radarske in letalske meritve.
Metode umetne inteligence uporabljajo tudi za zelo kratkoročne napovedi neviht, izboljševanje srednjeročnih vremenskih napovedi in ocenjevanje proizvodnje sončnih elektrarn.
SIREN vsako uro izračuna napoved pretokov za naslednjih 60 ur
V sodelovanju s Fakulteto za računalništvo in informatiko Univerze v Ljubljani je ARSO razvil model globokega učenja SIREN. Ta povezuje vremenske napovedi modela ALADIN z meritvami padavin in pretokov rek.
SIREN vsako uro pripravi novo napoved za prihodnjih 60 ur. Testiranje na izbranih vodomernih postajah je pokazalo, da lahko dosega boljše rezultate od nekaterih obstoječih rešitev, zlasti pri napovedovanju visokih pretokov.
Za hudourniške poplave razvijajo še sistem FLOODCAST. Takšne poplave pogosto nastanejo na majhnih porečjih in se razvijejo tako hitro, da je lahko takrat, ko začne reka vidno naraščati, za pravočasno opozarjanje že prepozno.
FLOODCAST zato ne čaka na vidno naraščanje vodotoka. Na podlagi trenutnega stanja ozračja ocenjuje, kako verjetno je, da bo pretok na določenem območju v naslednjih šestih do 72 urah presegel raven, značilno za desetletno povratno dobo.
Pri približno devetih opozorilih na posamezno enoto na leto je model v preizkusnih letih zaznal poplavne dogodke približno trikrat pogosteje kot klasični model. Največjo prednost je pokazal pri napovedih šest ur vnaprej.
FLOODCAST za zdaj še ne deluje v realnem času in ni samodejni sistem za izdajanje opozoril. Strokovnjakom sporoči, kdaj obstaja razlog za povečano pozornost, ne more pa še zanesljivo določiti, katera dolina bo poplavljena.
Portal24.si je o razvoju podobnih rešitev že pisal v prispevku Umetna inteligenca napove poplave tudi tam, kjer podatkov sploh ni.
Napoved morske gladine v nekaj sekundah
ARSO razvija tudi sistem HIDRA4, ki z umetno inteligenco napoveduje višino morske gladine po vsej Evropi. Združuje podatke o vremenu, plimovanju in preteklih meritvah ter pomaga napovedovati obalne poplave, ki nastanejo zaradi kombinacije plimovanja, vetra, zračnega tlaka in nihanja morske gladine.
Klasični numerični modeli za takšne napovedi potrebujejo velike računske zmogljivosti. HIDRA4 lahko napoved za posamezno lokacijo pripravi v nekaj sekundah.
Model je bil razvit na podlagi več kot 25 let meritev in atmosferskih podatkov s približno 250 evropskih mareografskih postaj. Pokriva evropsko obalo od Sredozemlja in Jadrana do Baltika in severnih morij.
Na agenciji razvijajo tudi nevronsko mrežo za napovedovanje meteocunamijev. Gre za redke, vendar nevarne hitre spremembe morske gladine, ki lahko poškodujejo plovila in obalno infrastrukturo. Model za zdaj dobro napoveduje običajna visokofrekvenčna nihanja v Bakru in Pločah, več težav pa ima pri najizrazitejših dogodkih.
Za izboljšanje napovedi bo potrebna gostejša mreža vremenskih postaj in mareografov ob vzhodni obali Jadrana.
ARSO: Okoljski podatki so narodno bogastvo
Generalni direktor ARSO Jože Knez je ob predstavitvi poudaril pomen več desetletij zbranih podatkov o vremenu, vodah in morju.
“Pogosto spregledamo, da so naši podatki narodno bogastvo. Desetletja meritev vremena, voda in morja. Preverjeni. Urejeni. Dostopni. Prav ti podatki so temelj, na katerem se učijo modeli umetne inteligence,” je dejal Knez.
Po njegovih besedah so kakovostni okoljski podatki postali strateška surovina. Ker učenje velikih modelov zahteva zmogljivosti, ki presegajo možnosti posamezne ustanove, se je zavzel tudi za vzpostavitev skupne slovenske infrastrukture za razvoj in učenje modelov umetne inteligence.
Takšna infrastruktura bi bila namenjena znanosti, javnim službam in gospodarstvu, ARSO pa je po Knezovih besedah pripravljen sodelovati s podatki, znanjem in izkušnjami.
