Vremenska napoved nikoli ne bo 100% natančna za ta znanstveni razlog

$config[ads_kvadrat] not found

NAPOVEJ PRVI SNEG - Ajda ga sama napove

NAPOVEJ PRVI SNEG - Ajda ga sama napove

Kazalo:

Anonim

Znanost o vremenskih napovedih pade v javnost vsak dan. Ko je napoved pravilna, redko komentiramo, vendar se pogosto hitro pritožujemo, ko napoved ni pravilna. Ali bomo verjetno dosegli popolno napoved, ki je natančna do ure?

Pri pripravi vremenske napovedi je veliko korakov. Svoje življenje začne kot globalni "posnetek" atmosfere v danem času, preslikan na tridimenzionalno mrežo točk, ki se raztezajo po celem globusu in se raztezajo od površine do stratosfere (in včasih višje).

Z uporabo superračunalnika in sofisticiranega modela, ki opisuje obnašanje atmosfere z enačbami fizike, se ta posnetek pravočasno stopi naprej in proizvede več terabajtov surovih podatkov o napovedih. Potem pa človeški napovedovalci razlagajo podatke in jih spremenijo v smiselno napoved, ki se oddaja javnosti.

Ali v vremenu?

Napovedovanje vremena je velik izziv. Za začetek poskušamo napovedati nekaj, kar je samo po sebi nepredvidljivo. Atmosfera je kaotičen sistem - majhna sprememba stanja ozračja na enem mestu lahko povzroči izjemne posledice skozi čas drugje, kar je znanstvenik analogil tako imenovan učinek metulja.

Vsaka napaka, ki se razvije v napovedi, bo hitro rasla in povzročila nadaljnje napake v večjem obsegu. In ker moramo pri modeliranju atmosfere narediti številne predpostavke, postane jasno, kako se lahko napake napovedi razvijejo. Za popolno napoved bi morali odstraniti vsako napako.

Napoved znanja se izboljšuje. Sodobne napovedi so zagotovo veliko bolj zanesljive, kot so bile pred obdobjem superračunalnikov. Najstarejše objavljene napovedi Združenega kraljestva segajo v leto 1861, ko je častnik kraljeve mornarice in oster meteorolog Robert Fitzroy začel objavljati napovedi v The Timesu.

Njegove metode so vključevale risanje vremenskih grafikonov z uporabo opazovanj iz majhnega števila lokacij in predvidevanja na podlagi tega, kako se je vreme razvilo v preteklosti, ko so bili grafikoni podobni. Toda njegove napovedi so bile pogosto napačne, in tiska so ponavadi hitro kritizirali.

Velik napredek je bil dosežen, ko so bili v petdesetih letih 20. stoletja predstavljeni superračunalniki. Prvi računalniški model je bil veliko enostavnejši od današnjega, napoveduje samo eno spremenljivko na mreži z razmikom več kot 750 km.

To delo je utrlo pot sodobnemu napovedovanju, katerega načela še vedno temeljijo na istem pristopu in isti matematiki, čeprav so modeli danes veliko bolj zapleteni in predvidevajo še veliko več spremenljivk.

Danes je vremenska napoved običajno sestavljena iz več voženj vremenskega modela. Operativni vremenski centri ponavadi vodijo globalni model z razmikom okoli 10 km, katerega izhod se prenese na model z višjo ločljivostjo, ki teče po lokalnem območju.

Da bi dobili idejo o negotovosti napovedi, mnogi vremenski centri izvajajo tudi številne vzporedne napovedi, vsaka z majhnimi spremembami prvotnega posnetka. Te majhne spremembe rastejo v času napovedi in napovedujejo oceno verjetnosti, da se nekaj zgodi - na primer, odstotek možnosti, da dežuje.

Prihodnost napovedi

Starost superračunalnika je bila ključna za razvoj znanosti o vremenskih napovedih (in dejansko napovedovanje podnebja). Sodobni superračunalniki so sposobni izvajati na tisoče trilijonov izračunov na sekundo in lahko shranjujejo in obdelujejo petabajte podatkov. Superračunalnik Cray v britanskem Met Officeu ima procesorsko moč in shranjevanje podatkov okoli milijona pametnih telefonov Samsung Galaxy S9.

To pomeni, da imamo procesorsko moč za izvajanje naših modelov pri visokih ločljivostih in vključitev več spremenljivk v naše napovedi. To pomeni tudi, da lahko pri ustvarjanju našega začetnega "posnetka" obdelamo več vhodnih podatkov, s čimer ustvarimo natančnejšo sliko ozračja, s katero bomo začeli napovedovanje.

Ta napredek je privedel do povečanja napovednih sposobnosti. Čista kvantifikacija tega je bila predstavljena v a Narava Študija Petra Bauerja, Alana Thorpeja in Gilberta Bruneta iz leta 2015 opisuje napredek v napovedi vremena kot »tiho revolucijo«.

Iz njih je razvidno, da je natančnost petdnevne napovedi primerljiva z natančnostjo tridnevne napovedi pred približno 20 leti in da vsako desetletje pridobimo približno enodnevno znanje. Današnje tridnevne napovedi so v bistvu tako natančne kot dvodnevna napoved pred desetimi leti.

Toda ali se bo to povečanje spretnosti verjetno nadaljevalo v prihodnosti? To je delno odvisno od napredka, ki ga lahko dosežemo s superračunalniško tehnologijo. Hitrejši superračunalniki pomenijo, da lahko naše modele vodimo pri višji ločljivosti in predstavljamo še več atmosferskih procesov, kar teoretično vodi k nadaljnjemu izboljšanju spretnosti napovedi.

Po Moorovem zakonu se je naša računalniška moč podvojila vsaki dve leti od sedemdesetih let prejšnjega stoletja. Vendar se je to v zadnjem času upočasnilo, zato bodo morda potrebni nadaljnji pristopi za prihodnji napredek, kot je povečanje računalniške učinkovitosti naših modelov.

Torej bomo kdaj lahko napovedali vreme s 100-odstotno natančnostjo? Na kratko, ne. Obstajata 2 × 10⁴⁴ (200.000.000.000.000.000.000.000.000.000.000.000.000.000.000) molekul v atmosferi v naključnem gibanju - poskušanje predstaviti vse bi bilo nedoumljivo. Kaotična narava vremena pomeni, da dokler imamo predpostavke o procesih v ozračju, vedno obstaja možnost, da model razvije napake.

Napredek pri modeliranju vremenskih razmer lahko izboljša ta statistična predstavništva in nam omogoči, da naredimo bolj realistične predpostavke, hitrejši superračunalniki pa nam omogočajo, da našim vremenskim modelom dodamo več podrobnosti ali ločljivosti, vendar je v središču napovedi model, ki bo vedno zahteval nekaj predpostavke.

Vendar pa je, dokler bodo raziskave o izboljšanju teh predpostavk, prihodnost vremenske napovedi videti svetla. Kako blizu pa lahko dosežemo popolno napoved, pa bomo še videli.

Ta članek je bil prvotno objavljen na pogovoru Jon Shonka. Preberite izvirni članek tukaj.

$config[ads_kvadrat] not found