Schnee oder Regen? Hybrid-KI entschlüsselt Niederschlagsform an der Oberfläche aus Satellitenbeobachtungen

Warum es wichtig ist, ob Stürme Schnee oder Regen bringen

Wenn ein Wintersturm aufzieht, entscheidet die Niederschlagsform oft darüber, ob es ein malerischer Schneefall oder eine gefährliche Katastrophe wird. Plötzliche Umstellungen von Schnee auf Regen können Gebirgsschneedecken destabilisieren und Lawinen auslösen, während Kälteeinbrüche, die Regen in heftigen Schnee verwandeln, Straßen, Stromleitungen und Lieferketten lahmlegen können. Gerade in vielen der am stärksten gefährdeten Regionen – abgelegene Gebirge und hohe Breiten – fehlen jedoch Bodenmessungen, die sagen, was tatsächlich die Oberfläche erreicht. Diese Studie stellt ein neues System auf künstlicher Intelligenz vor, das Satellitendaten und atmosphärische Vorhersagen zusammenliest, um nahezu in Echtzeit zu entscheiden, ob der Niederschlag am Boden als Schnee oder Regen ankommt.

Lücken in der Beobachtung von Winterstürmen aus dem All

Moderne Wettersatelliten können bereits abschätzen, wo es weltweit regnet oder schneit, doch die heutigen Produkte kommen oft mit Verzögerungen von vier Stunden oder mehr und verwischen schnelle Änderungen. Bestehende Systeme wie die weit verbreiteten GPM-IMERG-Karten kombinieren viele Satellitensensoren und traditionelle Vorhersagemodelle, was Zeit kostet und die Fähigkeit einschränkt, sich schnell entwickelnde Stürme fein zu verfolgen. Sie tun sich außerdem schwer in Gegenden mit starkem Relief und wenigen Wetterstationen, etwa auf dem Tibetischen Plateau oder in inneren Gebirgszügen, wo die genaue Mischung aus Schnee und Regen für Lawinenkontrolle, Hochwasserprognosen und Verkehrssicherheit entscheidend ist.

Eine hybride KI, die Satelliten und digitale Atmosphäre verschmilzt

Die Autoren stellen RePPIC-Net vor, ein „hybrides“ KI-Framework, das diese Lücke schließen soll. Es verarbeitet zwei Hauptdatenströme. Der eine stammt vom chinesischen geostationären Wettersatelliten Fengyun-4B, der kontinuierlich dieselbe Hemisphäre beobachtet und alle 15 Minuten detaillierte Wolkentopftemperaturen und Wolkenmuster in einer Auflösung von etwa 5 Kilometern liefert. Der zweite Strom kommt von FuXi, einem neuen, KI-basierten globalen Wettervorhersagesystem, das binnen Sekunden dreidimensionale Felder von Temperatur und Feuchte in der gesamten Atmosphäre erzeugt. RePPIC-Net kombiniert diese Perspektiven: Satellitenbilder zeigen, wo sich Wolken und Niederschlagsclustern befinden, während FuXis vertikale Profile den thermodynamischen Zustand der Luft beschreiben, der stark bestimmt, ob fallende Partikel auf dem Weg nach unten zu Regen schmelzen oder als Schnee bleiben.

Wie das System lernt, Schnee und Regen zu erkennen

Um zu entscheiden, was den Boden erreicht, verwendet RePPIC-Net eine in der Wetterwissenschaft bekannte Größe, die Feuchtkugeltemperatur, die widerspiegelt, wie stark ein Regentropfen beim Verdunsten abkühlen kann. Diese Temperatur ist der verlässlichste einzelne Indikator dafür, ob Niederschlag flüssig oder fest sein wird. Das Modell schätzt die Feuchtkugeltemperatur nahe der Oberfläche aus den FuXi-Feldern, angepasst an die lokale Geländehöhe, und wandelt sie in eine Wahrscheinlichkeit um, dass der Niederschlag flüssig ist. Parallel dazu analysieren Deep-Learning-Netze, genannt UNet und ResUNet, die Satellitenbilder und atmosphärischen Variablen, um zu bestimmen, wo überhaupt Niederschlag auftritt und um dessen Intensität abzuschätzen. Ein abschließender Post-Processing-Schritt verschmilzt diese Wahrscheinlichkeiten und Intensitäten, korrigiert systematische Verzerrungen und erzeugt alle 15 Minuten eine globale Karte, die zwischen Regen und Schnee unterscheidet.

Wie gut es in echten Stürmen funktioniert

Das Team testete RePPIC-Net mit Daten von mehr als 2.000 Bodenwetterstationen in China und verglich die Leistung mit bestehenden Satellitenprodukten. Insgesamt erkennt das neue System Niederschlag ähnlich gut wie der derzeitige Standard und zeigt kleinere systematische Fehler bei Regen- und Schneemengen. Besonders im wichtigen Bereich leichter bis mäßiger Niederschläge – wo Schnee häufig mit starken Stürmen und Schneeverwehungen einhergeht – ist es besonders leistungsfähig. In diesem Bereich erkennt RePPIC-Net Schneefall genauer und trennt Schnee und Regen klarer, vor allem bei schnell verlaufenden Ereignissen. Fallstudien zu einem großen Misch-Schnee–Regen-Sturm 2023 im Nordosten Chinas und zu Schneefall über dem Tibetischen Plateau zeigen, dass das System Blizzard-Zonen und Gebirgsschnee besser lokalisieren kann als derzeitige operative Datensätze, dank seiner feineren Auflösung und der Nutzung dreidimensionaler Atmosphäreninformationen. Es behält zudem einen Großteil seiner Leistungsfähigkeit, wenn es mit kurzzeitigen Satellitenvorhersagen betrieben wird, sodass 1–3-stündige Nowcasts von Regen–Schnee-Mustern möglich sind.

Was das für alltägliche Auswirkungen bedeutet

Für Nicht-Fachleute ist das wichtigste Ergebnis, dass RePPIC-Net nahezu in Echtzeit sagen kann, ob ein Sturm an der Oberfläche Schnee oder Regen bringt – über weite, datenarme Gebiete hinweg. Indem es die Verzögerung bestehender globaler Produkte von Stunden auf etwa zwei Minuten Verarbeitung verkürzt und zugleich die Erkennung von Schneefall verbessert, bietet das System ein leistungsfähiges neues Werkzeug für Frühwarnungen vor Schneestürmen, Eisstürmen und Regen-auf-Schnee-Ereignissen, die Lawinen- und Hochwasserrisiken erhöhen. Die Autoren sehen ihren Ansatz als Blaupause für künftige Wetterüberwachung: die Kombination schneller, KI-getriebener Vorhersagen mit kontinuierlicher Satellitenbeobachtung, um gefährliches Winterwetter in einem sich erwärmenden Klima präziser zu verfolgen.

Zitation: Yang, C., Li, H., Zhu, R. et al. Snow or rain? hybrid AI deciphers surface precipitation phase from satellite observations. Nat Commun 17, 2813 (2026). https://doi.org/10.1038/s41467-026-69487-w

Schlüsselwörter: Schnee versus Regen, satellitengestützter Niederschlag, Wetter-Nowcasting, künstliche Intelligenz in der Meteorologie, Gefahren durch Winterstürme