نحوه عملکرد پیش‌بینی هوا: از جمع‌آوری داده تا برنامه پیش‌بینی شما

هر پیش‌بینی‌ای که در برنامه تلفن یا پخش تلویزیونی ظاهر می‌شود، به همان خط لوله اساسی برمی‌گردد: مشاهدات وارد می‌شوند، ابرکامپیوترها معادلات جو را حل می‌کنند، و هواشناس یا الگوریتم خروجی را به یک پیش‌بینی تبدیل می‌کند. اداره ملی اقیانوس و جو (NOAA) این فرآیند را به‌سادگی پیش‌بینی هوایی مبتنی بر ریاضیات توصیف می‌کند — معادلاتی که رفتار فیزیکی جو را نشان می‌دهد و به‌صورت مکرر حل می‌شود همان‌طور که زمان پیش می‌رود.

شش مرحله پشت پیش‌بینی

1. مشاهدات در سراسر جهان جمع‌آوری می‌شوند — از بالون‌های هوایی، ماهواره‌ها، شناورها، رادارها، حسگرهای هواپیماهای تجاری و کشتی‌ها، سنجش‌های رودخانه و ساحلی و ایستگاه‌های زمینی — و به مقادیر عددی برای دمای هوا، فشار، رطوبت و باد تبدیل می‌شوند، طبق NOAA.
2. همگام‌سازی داده‌ها این مشاهدات تازه را با آخرین پیش‌بینی کوتاه‌مدت جو ترکیب می‌کند. مرکز اروپایی برای پیش‌بینی هوایی میان‌مدت (ECMWF) می‌گوید که صدها میلیون مشاهده هر روز از طریق این فرآیند آماری فیلتر و با پیش‌بینی‌های حالیه کوتاه‌مدت ترکیب می‌شوند و بهترین برآورد وضعیت فعلی جو را تولید می‌کند.
3. یک مدل عددی کره زمین (یا یک منطقه) را به یک شبکه سه‌بعدی از نقاط تقسیم می‌کند. NOAA توجه می‌دهد که شبکه‌های ظریف‌تر جزئیات محلی بیشتری بدون لکن نیاز به قدرت محاسباتی بسیار بیشتری دارند — دو برابر کردن وضوح در هر جهت تقریباً محاسبات مورد نیاز را برای همان منطقه چهار برابر می‌کند.
4. ابرکامپیوترها معادلات فیزیک را در هر نقطه شبکه برای بازه‌های زمانی کوتاه حل می‌کنند و سپس نتیجه را به‌عنوان نقطه شروع مرحله بعدی وارد می‌کنند. دستگاه‌های NOAA، واقع‌شده در ویرجینیا و فلوریدا، حدود 2.8 کوادریلیون محاسبه در ثانیه انجام می‌دهند؛ سیستم ECMWF از بیش از یک میلیون پردازنده استفاده می‌کند که تقریباً 30 پتافلاپ را فراهم می‌کند.
5. مدل با شرایط ابتدایی یا تنظیمات فیزیک کمی متفاوت چند بار اجرا می‌شود — که "مجموعه" نام‌گذاری می‌شود. NOAA می‌گوید که وقتی اجراها موافق باشند، هواشناسان اطمینان بیشتری دارند؛ وقتی متفاوت باشند، همان پراکندگی عدم‌اطمینان را برای عموم ارائه می‌دهد.
6. هواشناسان انسانی و سیستم‌های خودکار خروجی مدل خام را تفسیر می‌کنند — تطبیق برای تضاریس محلی، سوگیری‌های شناخته‌شده مدل یا مشاهدات اخیر — قبل از صدور پیش‌بینی، هشدار یا اخطار عمومی.

مدل‌های جهانی در مقابل منطقه‌ای

NOAA بین مدل‌های جهانی که کل سیاره را با وضوح کمتر پوشش می‌دهند و مدل‌های منطقه‌ای که مساحت کوچک‌تری را با جزئیات بیشتر پوشش می‌دهند تمایز قائل است. ECMWF مدل جهانی خود را دو بار در روز، نیمه‌شب و ظهر، اجرا می‌کند و دو اجرای میانی اضافی دارد که شرایط مرزی را برای مدل‌های منطقه‌ای درون‌خودی کشورهای عضو فراهم می‌کند. آژانس توجه می‌دهد که مدل جهانی ضروری است چون اختلالات هوایی در یک طرف جهان می‌تواند شرایط را در جای دیگری روزهای بعد تأثیر بگذارد.

چرا پیش‌بینی‌ها در طول زمان دقت را از دست می‌دهند

جو یک سیستم فوضایی است: تفاوت‌های کوچک در شرایط ابتدایی در طول زمان رشد می‌کنند تا پیش‌بینی از واقعیت منحرف شود. این اصل، اول‌بار توسط هواشناس MIT ادوارد لورنز شناسایی شده، دلیلی است که هیچ مدلی — هر چقدر قدرتمند — نمی‌تواند بی‌نهایت به‌آینده پیش‌بینی کند.

مطالعه‌ای که توسط پژوهشگر دانشگاه پنسیلوانیا فوقینگ ژانگ رهبری شد دو سیستم پیش‌بینی جهانی پیشرو — مدل ECMWF و سیستم پیش‌بینی جهانی نسل بعد ایالات‌متحده — در برابر رویدادهای واقعی، شامل موج سرمایی اروپایی و سیل چینی، با استفاده از داده‌های ابتدایی نزدیک به بی‌نقص، آزمایش کرد. تیم نتیجه‌گیری کرد که پیش‌بینی‌های قابل‌اعتماد روزانه حدود 9 تا 10 روز جلوتر برای عرض‌های جغرافیایی میانی که در آن اکثر سکان جهان زندگی می‌کنند، قابل‌دستیابی است و این می‌تواند با بهبود جمع‌آوری داده، الگوریتم‌ها و قدرت محاسباتی تا تقریباً 14 تا 15 روز گسترش یابد.

راهنمایی فنی خود NOAA برای خروجی مدل یک رقم محافظه‌کارانه برای پیش‌بینی‌های شبکه خام و بدون‌پردازش نشان می‌دهد و توجه می‌دهد که مدل‌ها تقریباً 4 روز دقیق باقی می‌مانند، پس از آن تغییر اجرا به اجرا به‌طور قابل‌توجهی افزایش می‌یابد — یکی از دلایلی که مجموعه‌ها و هواشناسان انسانی بخشی از خط‌لوله برای محدوده میانی باقی می‌مانند.

چه آینده‌ای برای فناوری پیش‌بینی وجود دارد

ECMWF می‌گوید که سود‌های آینده به پیش‌بینی‌های مجموعه با وضوح بهتر، نمایندگی بهتر فرآیند‌های سیستم زمین (جو، خشکی و اقیانوس با هم) و بهبود جذب مشاهدات هوایی بستگی دارد — همه اینها نیاز به قدرت محاسباتی بیشتری دارند. برنامه مقیاس‌پذیری ECMWF برای محاسبات اگزاسکل (یک میلیارد میلیارد محاسبه در ثانیه) آماده می‌شود و تکنیک‌های یادگیری ماشینی را نیز به‌عنوان بخشی از سیستم‌های پیش‌بینی خود بررسی می‌کند، طبق صحیفه حقایق آن.