Ang mga Pagtataya ng Panahon Hindi kailanman Magiging 100% Tumpak para sa Siyentipikong Pang-Agham na Ito

Ang agham ng pagtataya ng panahon ay bumaba sa pampublikong pagsusuri sa bawat araw. Kapag ang forecast ay tama, bihira naming magkomento, ngunit madalas naming mabilis na magreklamo kapag ang forecast ay mali. Malamang na malamang na makamit natin ang isang perpektong forecast na tumpak sa oras?

Maraming mga hakbang na kasangkot sa paghahanda ng isang forecast ng panahon. Nagsisimula ang buhay nito bilang pandaigdigang "snapshot" ng atmospera sa isang naibigay na oras, na nakamapang sa isang three-dimensional grid ng mga punto na sumasaklaw sa buong mundo at mag-abot mula sa ibabaw patungo sa stratosphere (at minsan ay mas mataas).

Gamit ang isang supercomputer at isang sopistikadong modelo na naglalarawan sa pag-uugali ng kapaligiran sa mga equation ng pisika, ang snapshot na ito ay pinalalabas sa oras, na gumagawa ng maraming terabytes ng raw data ng forecast. Pagkatapos ay bumagsak ito sa mga tagapanood ng tao upang bigyang-kahulugan ang data at i-on ito sa isang makabuluhang forecast na broadcast sa publiko.

Ang Nasa Taya ng Panahon

Ang pagtataya ng panahon ay isang malaking hamon. Para sa isang panimula, sinusubukan naming hulaan ang isang bagay na likas na mahuhulaan. Ang kapaligiran ay isang magulong sistema - isang maliit na pagbabago sa estado ng kapaligiran sa isang lokasyon ay maaaring magkaroon ng kapansin-pansin na mga kahihinatnan sa paglipas ng panahon sa ibang lugar, na kung saan ay inilarawan ng isang siyentipiko bilang ang tinatawag na paruparo epekto.

Anumang error na bubuo sa isang forecast ay mabilis na lumalaki at magdulot ng karagdagang mga error sa isang mas malaking sukat. At dahil kailangan naming gumawa ng maraming mga pagpapalagay kapag pagmomodelo sa kapaligiran, ito ay magiging malinaw kung gaano ka madali ang pagtataya ng mga error ay maaaring bumuo. Para sa isang perpektong forecast, kakailanganin naming alisin ang bawat solong error.

Ang pagpapabuti ng kakayahan ay nagpapabuti. Ang mga modernong taya ay tiyak na mas maaasahan kaysa sa mga ito bago ang panahon ng supercomputer. Ang pinakamaagang na-publish na taya ng UK ay bumalik noong 1861, nang ang opisyal ng Royal Navy at ang masigasig na meteorolohista na si Robert Fitzroy ay nagsimulang mag-publish ng mga pagtataya sa The Times.

Ang kanyang mga pamamaraan ay kasangkot sa pagguhit ng mga chart ng panahon gamit ang mga obserbasyon mula sa isang maliit na bilang ng mga lokasyon at paggawa ng mga hula batay sa kung paano ang panahon ay nagbago sa nakaraan kapag ang mga chart ay katulad. Ngunit ang kanyang mga pagtataya ay kadalasang mali, at ang pindutin ay kadalasang mabilis na pumuna.

Ang isang mahusay na tumalon pasulong ay ginawa kapag supercomputers ay ipinakilala sa komunidad ng pagtataya sa 1950s. Ang unang modelo ng computer ay mas simple kaysa sa mga ngayon, na hinuhulaan lamang ang isang variable sa isang grid na may spacing na higit sa 750km.

Ang gawaing ito ay nagbukas ng daan para sa modernong pagtataya, ang mga prinsipyo nito ay batay pa rin sa parehong paraan at sa parehong matematika, bagaman ang mga modelo ngayon ay mas kumplikado at mahuhulaan ang maraming iba pang mga variable.

Ngayong mga araw na ito, isang forecast ng panahon ay karaniwang binubuo ng maraming mga nagpapatakbo ng isang modelo ng panahon. Karaniwang nagpapatakbo ang global na modelo ng operasyon na may grid spacing ng 10km, ang output nito ay ipinapasa sa isang modelo ng mas mataas na resolution na tumatakbo sa isang lokal na lugar.

Upang makakuha ng ideya ng kawalan ng katiyakan sa forecast, maraming mga sentro ng panahon ay nagpapatakbo rin ng ilang parallel na mga pagtataya, na ang bawat isa ay may bahagyang mga pagbabago na ginawa sa paunang snapshot. Ang mga maliliit na pagbabago na ito ay lumalaki sa panahon ng forecast at nagbibigay ng mga forecasters ng isang pagtatantya ng posibilidad ng isang bagay na nangyayari - halimbawa, ang porsyento ng pagkakataon ng pag-ulan.

Ang Hinaharap ng Pagtataya

Ang edad ng supercomputer ay napakahalaga sa pagpapahintulot sa agham ng pagtataya ng panahon (at sa katunayan ng hula sa klima) na bumuo. Ang mga makabagong supercomputers ay may kakayahang gumaganap ng libu-libong trillions ng kalkulasyon kada segundo, at maaaring mag-imbak at magproseso ng petabytes ng data. Ang supercomputer na Cray sa Met Office ng UK ay may kapangyarihan sa pagpoproseso at pag-iimbak ng data tungkol sa isang milyong smartphone ng Samsung Galaxy S9.

Nangangahulugan ito na mayroon kaming kapangyarihan sa pagpoproseso upang patakbuhin ang aming mga modelo sa mga mataas na resolution at isama ang maraming mga variable sa aming mga pagtataya. Nangangahulugan din ito na maaari naming iproseso ang higit pang data ng input kapag bumubuo ng aming paunang "snapshot", na lumilikha ng isang mas tumpak na larawan ng kapaligiran upang simulan ang forecast sa.

Ang pag-unlad na ito ay humantong sa isang pagtaas sa kasanayan sa forecast. Ang isang malinis na dami ng ito ay iniharap sa a Kalikasan pag-aralan mula sa 2015 ni Peter Bauer, Alan Thorpe, at Gilbert Brunet, na naglalarawan ng mga pagsulong sa prediksiyon ng panahon bilang "tahimik na rebolusyon."

Ipinakikita nila na ang katumpakan ng isang limang araw na forecast sa kasalukuyan ay maihahambing sa isang tatlong-araw na forecast tungkol sa 20 taon na ang nakaraan, at sa bawat dekada, nakakakuha tayo ng isang halaga ng kasanayan sa isang araw. Mahalaga, ang tatlong-araw na mga pagtataya ngayon ay tumpak tulad ng dalawang-araw na forecast ng sampung taon na ang nakaraan.

Ngunit ang pagtaas ba ng kasanayang ito ay malamang na magpatuloy sa hinaharap? Ang bahagyang ito ay depende sa kung anong progreso ang maaari nating gawin sa teknolohiya ng superkomputer. Ang mas mabilis na supercomputers ay nangangahulugan na maaari naming patakbuhin ang aming mga modelo sa mas mataas na resolution at kumakatawan sa higit pang mga proseso ng atmospera, sa teorya na humahantong sa karagdagang pagpapabuti ng kasanayan sa forecast.

Ayon sa Batas ni Moore, ang aming kapangyarihan sa pag-compute ay doble bawat dalawang taon mula noong 1970s. Gayunpaman, ito ay unti-unting humina, kaya maaaring kailanganin ng ibang mga paraan upang gumawa ng pag-unlad sa hinaharap, tulad ng pagtaas ng computational efficiency ng aming mga modelo.

Sa gayon ay maaari naming mahulaan ang panahon na may 100 porsiyento katumpakan? Sa maikling salita, hindi. May 2 × 10⁴⁴ (200,000,000,000,000,000,000,000,000,000,000,000,000,000,000) ang mga molecule sa kapaligiran sa random na paggalaw - sinusubukan na kumatawan sa kanila lahat ay hindi maarok. Ang magulong kalikasan ng panahon ay nangangahulugan na hangga't kailangan nating gumawa ng mga pagpapalagay tungkol sa mga proseso sa kapaligiran, palaging may potensyal para sa isang modelo na magkaroon ng mga pagkakamali.

Ang progreso sa pagmo-modelo ng panahon ay maaaring mapabuti ang mga istatistika na representasyon na ito at pahintulutan kaming gumawa ng mas makatotohanang mga pagpapalagay, at ang mas mabilis na supercomputers ay maaaring magpapahintulot sa amin na magdagdag ng karagdagang detalye o resolution sa aming mga modelo ng panahon ngunit, sa gitna ng forecast ay isang modelo na palaging nangangailangan ng ilang pagpapalagay.

Gayunpaman, hangga't mayroong pananaliksik sa pagpapabuti ng mga pagpapalagay na ito, ang hinaharap ng pagtataya ng panahon ay mukhang maliwanag. Kung gaano kalapit ang maaari nating makuha sa perpektong forecast, gayunpaman, ay nananatiling makikita.

Ang artikulong ito ay orihinal na na-publish sa The Conversation ni Jon Shonk. Basahin ang orihinal na artikulo dito.