Mimo stu lat postępu technologicznego meteorolodzy w zasadzie nie są w stanie przewidzieć dokładnie pogody na więcej niż najbliższe dwa tygodnie. Ekspert ds. klimatu Ted Shepherd przekonuje, że wyjaśnienie przyczyn tego stanu rzeczy kryje się w teorii chaosu.
W październiku 1987 roku gwałtowna burza, podczas której prędkość wiatru przekroczyła 100 km/h, przetoczyła się przez część południowej Anglii, zabijając 18 osób i wyrywając z korzeniami około 15 milionów drzew. Wydarzenie to szczególnie utkwiło w zbiorowej pamięci Brytyjczyków między innymi dlatego, że meteorolodzy nie byli w stanie przewidzieć go nawet jeszcze poprzedzającej nocy.
„W tamtym czasie chyba trochę za bardzo ufano pojedynczym prognozom pogody”, mówi Ted Shepherd, szef Instytutu Grantham zajmującego się naukami o klimacie na Uniwersytecie w Reading w Zjednoczonym Królestwie. „Obecnie ośrodki meteorologiczne w żadnym razie nie polegają tylko na jednym zestawie danych. Mają do dyspozycji większe możliwości komunikacji i wymiany informacji”.
Postęp technologiczny – którego efektem są dane gromadzone przez satelity, boje i statki, szybsze obliczenia i uczenie maszynowe oraz lepsze zrozumienie fizyki i dynamiki atmosfery – pozwala na tworzenie dokładniejszych prognoz. Shepherd podkreśla jednak, że kluczem do rewolucji w meteorologii jest także zmiana podejścia.
„Prognozy stanowią obecnie zbiór danych, które próbują opisać niepewność”, wyjaśnia. „Oznacza to, że jeśli dane z tylko jednego systemu prognozowania wskazują na nadejście burzy, to można przedstawić to potencjalnie poważne zdarzenie jako zdarzenie o niskim prawdopodobieństwie. Istotna jest zatem wymiana danych”.
Shepherd wskazuje też, że praktyka nadawania nazw burzom zachęca ludzi do poważnego traktowania groźnych zjawisk pogodowych. „Dzięki temu mogą łatwiej wizualizować sobie te burze”, dodaje. „A kiedy wyjaśniamy ludziom przyczyny danego zjawiska, są znacznie lepiej przygotowani do działania”.Biorąc pod uwagę te postępy technologiczne i metodologiczne, na ile dni do przodu jesteśmy w stanie przewidzieć pogodę? Czy wkrótce będziemy mogli stwierdzić z określonym prawdopodobieństwem, że burza o danym natężeniu wystąpi w konkretnym miejscu za kilka miesięcy?
Shepherd twierdzi, że odpowiedź na to pytanie znaleziono prawdopodobnie już ponad 50 lat temu. „Specjalista teorii chaosu Edward Lorenz napisał w 1969 roku słynną pracę, w której określił dla prognoz pogody teoretyczną górną granicę wynoszącą 2 tygodnie”, wyjaśnia. „Moim zdaniem szacunki te dość dobrze się sprawdzają”.
Wynika to z tzw. efektu motyla: koncepcji najczęściej ilustrowanej przy pomocy przykładu tornada, na którego przebieg może wpłynąć ruch skrzydeł motyla żyjącego w zupełnie innym miejscu na Ziemi. Niewielkie różnice pod względem warunków początkowych przekładają się zatem na radykalnie odmienny efekt końcowy. To dlatego prognozy stają się tym mniej dokładne, im dalej wybiegamy w przyszłość, ia dokładne przewidywanie pogody w tak odległej przyszłości byłoby obarczone ogromnym ryzykiem.
Shepherd zwraca ponadto uwagę, że takie prognozy pogody nie byłyby szczególnie przydatne. „Pogoda zasadniczo opisuje zjawisko, które występuje na danym obszarze w danym okresie czasu”, zauważa. „Czy będzie padać jutro i na ile prawdopodobne jest, że będzie padać w przyszłym tygodniu?”. Im dalej sięgamy w przyszłość, tym informacja o pogodzie na ogół może być mniej precyzyjna, to znaczy wystarczy znajomość orientacyjnego czasu wystąpienia zjawiska pogodowego.
Tego rodzaju pytania mogą być istotne podczas podejmowania decyzji. W przypadku dłuższych horyzontów czasowych prognozy pogody zaczną przypominać prognozowanie klimatu, polegające na rozpoznaniu dominujących trendów i ich zmian z roku na rok. „Właśnie ten punkt, w którym pogoda staje się klimatem, jest przełomowym obszarem w tej dziedzinie”, mówi Shepherd. „Zajmował się nim na przykład zespół finansowanego ze środków UE projektu CausalBoost, który poświęcony był skali czasowej krótszej niż pora roku”.
Projekt, którego celem było udoskonalenie prognoz opadów dla regionu śródziemnomorskiego z wykorzystaniem technik uczenia maszynowego, realizowany był przez stypendystkę działania „Maria Skłodowska-Curie” Marlene Kretschmer wspólnie z Shepherdem oraz współpracownikami z innych krajów Europy. Dzięki przeanalizowaniu szeregu zestawów danych za pomocą algorytmów uczenia maszynowego zespół był w stanie dokładniej poznać czynniki wpływające na opady w regionie Morza Śródziemnego. Dokładniejsze prognozy mogą pomóc rolnikom w przygotowaniu się na przyszłe pory suche.
Kliknij tutaj, aby dowiedzieć się więcej o badaniach Kretschmer i Shepherd: Poprawa prognoz opadów w regionie śródziemnomorskim.
poleca:
