KI und die schwierigen Probleme der Welt · Erd- & Klimawissenschaften · arXiv · 2026-10-20
AirMPA: Ein Adapter von Meteorologie zu Verschmutzung für die globale Luftqualitätsvorhersage
Originaltitel: AirMPA: A Meteorology-to-Pollution Adapter for Global Air Quality Forecasting
Genaue Echtzeitvorhersagen von Luftschadstoffen helfen, Gesundheitsrisiken zu verringern, doch herkömmliche numerische Systeme sind rechenintensiv, und bestehende Deep-Learning-Modelle vermischen oft meteorologische Variablen und Schadstoffvariablen. Die Autoren schlagen AirMPA vor, ein entkoppeltes autoregressives Modell, das 13 Schadstoffe bei 0,4° und 12-stündiger Auflösung aus meteorologischen Feldern, Emissions-Priors und vergangenen Konzentrationen vorhersagt. Über einen Zeitraum von 5 Tagen übertrifft es Aurora durchgehend und schlägt CAMS in etwa 90 % der Fälle von Schadstoff und Vorhersagezeit.