यह भाषा मशीन द्वारा अनुवादित है और किसी मानव द्वारा समीक्षा नहीं की गई है।

NIVΞCTOR
समाचारसहयोग

काउंटर अभी शुरू नहीं हुआ है

विज्ञान · लेख

आधुनिक मौसम पूर्वानुमान कैसे काम करता है: उपग्रहों से सुपर कंप्यूटर तक

प्रकाशित:

संक्षेप में

आधुनिक पूर्वानुमान उपग्रहों, राडार और जमीनी स्टेशनों से सैकड़ों मिलियन दैनिक अवलोकनों से शुरू होते हैं, जिन्हें डेटा assimilation की प्रक्रिया के माध्यम से वर्तमान वायुमंडल के एक मॉडल में मिश्रित किया जाता है। सुपर कंप्यूटर तब भौतिकी समीकरणों को समय में आगे की ओर हल करते हैं, अक्सर थोड़े अलग प्रारंभिक बिंदुओं से एक ही मॉडल को दर्जनों बार चलाते हैं — एक "ensemble" — यह दिखाने के लिए कि कोई पूर्वानुमान कितना अनिश्चित है। राष्ट्रीय मौसम एजेंसियां अब इन भौतिकी-आधारित प्रणालियों के साथ-साथ AI-आधारित मॉडल भी चला रही हैं।

यह संस्करण मूल पाठ (English) का मशीनी अनुवाद है। मूल पाठ पढ़ें

हर मौसम पूर्वानुमान, चाहे वह फोन ऐप पर सात दिन का दृष्टिकोण हो या कोई राष्ट्रीय एजेंसी तूफान के रास्ते का पूर्वानुमान हो, एक ही तरीके से शुरू होता है: वर्तमान वायुमंडल के अवलोकनों के साथ। यूरोपीय केंद्र मध्य-श्रेणी मौसम पूर्वानुमान (ECMWF) कहता है कि इसे प्रतिदिन लगभग 800 मिलियन अवलोकन प्राप्त होते हैं, ज्यादातर लगभग 90 उपग्रह उपकरणों से जो वायुमंडल, महासागर, भूमि, बर्फ और समुद्री बर्फ की निगरानी करते हैं; गुणवत्ता नियंत्रण के बाद, उनमें से लगभग 60 मिलियन अवलोकन वास्तव में इसकी पूर्वानुमान प्रणाली में उपयोग किए जाते हैं।

अवलोकनों को पूर्वानुमान में परिवर्तित करना: डेटा assimilation

कच्चे अवलोकन पृथ्वी के हर बिंदु को कवर नहीं करते हैं, इसलिए पूर्वानुमानकर्ता सीधे उनसे वर्तमान मौसम नहीं पढ़ सकते। इसके बजाय, एजेंसियां डेटा assimilation कहलाने वाली तकनीक का उपयोग करती हैं ताकि अधूरे अवलोकनों को पिछली दौड़ से अल्पकालिक पूर्वानुमान के साथ मिलाया जा सके, वायुमंडल की एक पूर्ण, भौतिकी की दृष्टि से सुसंगत तस्वीर तैयार की जा सके जिसे विश्लेषण कहा जाता है। ECMWF चार-आयामी भिन्नात्मक assimilation (4D-Var) कहलाने वाली विधि का उपयोग करता है, जिसे वह "वर्तमान मौसम के प्रारंभिक अनुमान को अवलोकनों से नए साक्ष्य के साथ मिलाना" कहते हुए वर्णित करता है जो स्थान और समय दोनों में। ब्रिटेन के मौसम विज्ञान कार्यालय ने इसी चरण को अधिक सरल तरीके से वर्णित किया है: डेटा assimilation "उन खाली जगहों को भरता है जहां प्रत्यक्ष अवलोकन नहीं होते हैं... उपलब्ध डेटा को मॉडल की भविष्यवाणियों के साथ मिश्रित करके।"

ECMWF द्वारा प्राथमिकता दी जाने वाली अवलोकन प्रकारों में तापमान और आर्द्रता रीडिंग शामिल हैं जो माइक्रोवेव और अवरक्त उपग्रह उपकरणों से प्राप्त होती हैं, हवा का अनुमान जो बादलों को ट्रैक करने और राडार, लिडार और scatterometer उपकरणों से प्राप्त होता है, और एक तकनीक जिसे 'all-sky' assimilation कहा जाता है जो बादलों और बारिश वाले क्षेत्रों से उपग्रह डेटा का उपयोग करती है बजाय इसे छोड़ने के।

मॉडल चलाना: सुपर कंप्यूटर पर भौतिकी समीकरण

एक बार विश्लेषण बन जाने के बाद, एक संख्यात्मक मौसम पूर्वानुमान मॉडल संभालता है। ये मॉडल वायुमंडल को एक त्रि-आयामी ग्रिड में विभाजित करते हैं और गति, ऊर्जा, द्रव्यमान और नमी को नियंत्रित करने वाली समीकरणों को प्रत्येक ग्रिड बिंदु पर हल करते हैं, फिर पूरी प्रणाली को समय में आगे बढ़ाते हैं। अमेरिकी वैश्विक पूर्वानुमान प्रणाली (GFS), NOAA के राष्ट्रीय पर्यावरणीय भविष्यवाणी केंद्र द्वारा चलाई जाती है, अपने पहले सप्ताह के आउटपुट के लिए ग्रिड बिंदुओं के बीच लगभग 28 किलोमीटर (18 मील) की आधार क्षैतिज रिजल्यूशन का उपयोग करती है, सात दिन से परे पूर्वानुमानों के लिए लगभग 70 किलोमीटर (44 मील) तक मोटा करती है, और वायुमंडल, महासागर, भूमि/मिट्टी और समुद्री बर्फ के अलग मॉडल को जोड़ती है। यह एक दिन में चार बार पूरा पूर्वानुमान तैयार करता है, 16 दिन तक।

ECMWF की समान प्रणाली, एकीकृत पूर्वानुमान प्रणाली (IFS), को नवंबर 2024 में Cycle 49r1 कहलाने वाले एक अपडेट के तहत अपग्रेड किया गया। ECMWF के अनुसार, उस अपडेट ने पहली बार दो-मीटर तापमान अवलोकनों को assimilate किया, संशोधित किया कि मॉडल अपनी भौतिकी में अनिश्चितता का प्रतिनिधित्व कैसे करता है, और समुद्री लहर मॉडल की ग्रिड को मध्य-श्रेणी पूर्वानुमानों के लिए वायुमंडलीय मॉडल के संकल्प से लगभग 9 किलोमीटर तक मेल खाया। ECMWF ने अपडेट से मापने योग्य लाभों की रिपोर्ट की है, जिसमें दिन चार के माध्यम से अंटार्कटिका के पास पूर्वानुमान स्कोर में लगभग 0.5% सुधार शामिल है, जिसका कारण आंशिक रूप से समुद्री बर्फ पर नए माइक्रोवेव डेटा है।

Ensemble पूर्वानुमान: अनिश्चितता को स्वयं अनुमानित करना

एक विश्लेषण से एक मॉडल चलाने से भविष्य का केवल एक संस्करण मिलता है, लेकिन वायुमंडल वह है जिसे वैज्ञानिक एक अराजक प्रणाली कहते हैं: मेट ऑफिस के अनुसार, "इसकी प्रारंभिक स्थिति में बहुत छोटी त्रुटियां पूर्वानुमान में बड़ी त्रुटियों का कारण बन सकती हैं।" चूंकि अवलोकन वायुमंडल की वास्तविक स्थिति को कभी भी पूरी तरह से नहीं पकड़ सकते हैं, एजेंसियां एक ही मॉडल को दर्जनों बार थोड़े अलग, समान रूप से संभावित प्रारंभिक परिस्थितियों से चलाती हैं। समानांतर पूर्वानुमानों का यह संग्रह एक ensemble कहलाता है, और प्रत्येक व्यक्तिगत चलन एक 'ensemble सदस्य' है।

यदि पूर्वानुमान बहुत भिन्न हों तो पूर्वानुमानकर्ता को पता है कि मौसम वास्तव में क्या करेगा इस बारे में बहुत अनिश्चितता है, लेकिन यदि पूर्वानुमान सभी बहुत समान हैं तो उन्हें एक विशेष घटना की भविष्यवाणी करने में अधिक आत्मविश्वास होगा।

— UK मेट ऑफिस, ensemble पूर्वानुमान पर

पूर्वानुमान आगे का विश्वास क्यों खोते हैं

ECMWF ने रिपोर्ट किया है कि इसके नवंबर 2024 के Cycle 49r1 अपडेट ने पूर्वानुमान सटीकता में मापने योग्य लाभ दिए हैं, जिसमें दिन चार के माध्यम से अंटार्कटिका के पास पूर्वानुमान स्कोर में लगभग 0.5% सुधार शामिल है, जिसे यह आंशिक रूप से समुद्री बर्फ पर नए माइक्रोवेव उपग्रह डेटा के लिए जिम्मेदार ठहराता है। अधिक व्यापक रूप से, क्योंकि एक अराजक प्रणाली की प्रारंभिक स्थितियों में छोटी त्रुटियां समय के साथ बढ़ती हैं, एजेंसियां अलग-अलग मासिक और मौसमी दृष्टिकोण भी जारी करती हैं, विभिन्न सांख्यिकीय विधियों पर आधारित, एक बार जब दिन-दर-दिन पूर्वानुमान अपनी उपयोगिता खो देते हैं।

AI-आधारित पूर्वानुमान का उदय

इन भौतिकी-आधारित मॉडलों के साथ, राष्ट्रीय एजेंसियां machine-learning प्रणालियों को चलाना शुरू कर चुकी हैं जो दशकों के पिछले मौसम डेटा पर प्रशिक्षित हैं। NOAA ने दिसंबर 2025 में घोषणा की कि उसने तीन ऐसी प्रणालियां operational बना दी हैं: AIGFS (वैश्विक पूर्वानुमान प्रणाली का एक AI संस्करण), AIGEFS (एक AI ensemble प्रणाली) और HGEFS, एक 62-member ensemble जो AI और भौतिकी-आधारित पूर्वानुमानों को मिश्रित करता है। NOAA के अनुसार, AIGFS लगभग 40 मिनट में एक 16-दिन का वैश्विक पूर्वानुमान तैयार कर सकता है, पारंपरिक GFS के लिए आवश्यक कंप्यूटिंग संसाधनों का लगभग 0.3% उपयोग करता है, और AIGEFS मानक ensemble के संसाधनों का लगभग 9% की आवश्यकता है। NOAA प्रशासक नील जैकब्स ने इन प्रणालियों को "अमेरिकी मौसम मॉडल नवाचार में एक महत्वपूर्ण छलांग" कहा, बड़े पैमाने पर पैटर्न और तूफान ट्रैक पूर्वानुमानों में बेहतर सटीकता का हवाला देते हुए, हालांकि NOAA ने यह भी स्वीकार किया है कि AIGFS वर्तमान में तूफान तीव्रता पूर्वानुमानों में कम प्रदर्शन दिखाता है, एक क्षेत्र जो अधिकारियों ने कहा है कि अभी भी आगे के विकास की आवश्यकता है।

मॉडल आउटपुट से आपको दिखाई देने वाले पूर्वानुमान तक

मॉडल डेटा आमतौर पर अंतिम उत्पाद नहीं होता है। मेट ऑफिस कहता है कि सुपर कंप्यूटर चलन पूरे होने के बाद, मानव पूर्वानुमानकर्ता मॉडल आउटपुट की व्याख्या करते हैं, स्थानीय इलाके और स्थितियों को ध्यान में रखते हैं जिन्हें मॉडल की रिजल्यूशन पूरी तरह से नहीं पकड़ सकती, और पूर्वानुमान को प्रकाशित करने से पहले समायोजित करते हैं, मानव निर्णय को कंप्यूटेशनल आउटपुट के साथ मिलाकर एक उपयोगी पूर्वानुमान तैयार करते हैं।

दो प्रमुख वैश्विक पूर्वानुमान प्रणालियों की तुलना
विशेषताGFS (NOAA/NCEP)IFS (ECMWF)
ग्रिड रिजल्यूशन~28 km (पहला सप्ताह), ~70 km दिन 7 से परे~9 km मध्य-श्रेणी के लिए (समुद्री-लहर ग्रिड वायुमंडल से मेल खाता है, Cycle 49r1)
अधिकतम पूर्वानुमान लंबाई16 दिनसमीक्षा किए गए स्रोतों में बताया नहीं गया
Ensemble सदस्यसमीक्षा किए गए स्रोतों में बताया नहीं गयासमीक्षा किए गए स्रोतों में बताया नहीं गया
प्रति दिन चलन4समीक्षा किए गए स्रोतों में बताया नहीं गया
नवीनतम जोड़AIGFS/AIGEFS (AI मॉडल), HGEFS (हाइब्रिड, 62 सदस्य)Cycle 49r1 भौतिकी अपडेट, नवंबर 2024

प्रश्न

मौसम पूर्वानुमान कितनी आगे तक विश्वसनीय हो सकते हैं?
ECMWF के अनुसार, इसके नवंबर 2024 के Cycle 49r1 अपडेट में पूर्वानुमान स्कोर में सुधार हुआ है, जिसमें दिन चार के माध्यम से अंटार्कटिका के पास लगभग 0.5% का लाभ शामिल है। अधिक सामान्यतः, क्योंकि एक अराजक प्रणाली की प्रारंभिक स्थितियों में बहुत छोटी त्रुटियां समय के साथ बढ़ती हैं, मेट ऑफिस नोट करता है कि ensemble पूर्वानुमान जितना आगे दिखते हैं उतना कम निश्चित होते हैं, यही कारण है कि लंबी दूरी के दृष्टिकोण सटीक दिन-दर-दिन भविष्यवाणियों के बजाय मासिक और मौसमी पूर्वानुमान के रूप में जारी किए जाते हैं।
डेटा assimilation क्या है?
यह अधूरे वास्तविक दुनिया के अवलोकनों — उपग्रहों, राडार, मौसम स्टेशन और अन्य से — को अल्पकालिक मॉडल पूर्वानुमान के साथ मिलाने की प्रक्रिया है ताकि वर्तमान वायुमंडल की एक पूर्ण, भौतिकी की दृष्टि से सुसंगत तस्वीर बनाई जा सके, जो तब अगले पूर्वानुमान चलन के लिए प्रारंभिक बिंदु बन जाती है, ECMWF और UK मेट ऑफिस के अनुसार।
पूर्वानुमानकर्ता एक ही मॉडल को कई बार क्यों चलाते हैं (ensemble पूर्वानुमान)?
क्योंकि वायुमंडल अराजक है और प्रारंभिक स्थितियों में छोटी त्रुटियां जल्दी बढ़ती हैं, एजेंसियां एक ही मॉडल को बार-बार थोड़े अलग संभावित प्रारंभिक बिंदुओं से चलाती हैं; मेट ऑफिस के अनुसार, यदि वे चलन निकटता से सहमत हों तो पूर्वानुमानकर्ता को अधिक आत्मविश्वास है, और यदि वे अलग हो जाएं तो अधिक अनिश्चितता है।
क्या AI मौसम मॉडल पारंपरिक भौतिकी-आधारित मॉडलों की जगह ले रहे हैं?
अभी पूरी तरह से नहीं। NOAA ने AI-आधारित प्रणालियों जैसे AIGFS और AIGEFS को अपनी भौतिकी-आधारित GFS और GEFS के साथ operational बना दिया है, और रिपोर्ट करता है कि वे बहुत तेज हैं और कंप्यूटिंग संसाधनों का एक अंश उपयोग करते हैं, लेकिन NOAA यह भी कहता है कि AI प्रणालियां वर्तमान में तूफान तीव्रता पूर्वानुमानों पर कम प्रदर्शन करती हैं, एक क्षेत्र अभी भी विकास में है।
अमेरिकी GFS मॉडल और यूरोपीय ECMWF मॉडल में क्या अंतर है?
NOAA और ECMWF दस्तावेज़ों के अनुसार, GFS दिन में चार बार चलता है और 16 दिन तक अपने पहले सप्ताह में लगभग 28 km रिजल्यूशन पर, जबकि ECMWF का IFS नवंबर 2024 के Cycle 49r1 अपडेट के बाद अपने मध्य-श्रेणी पूर्वानुमानों को लगभग 9 km की क्षैतिज रिजल्यूशन पर चलाता है।

स्रोत

  1. ECMWF — From space to forecast: how ECMWF turns satellite data into trusted weather predictions
  2. ECMWF — Forecast upgrade improves wind and temperature predictions (Cycle 49r1)
  3. NOAA — NOAA deploys new generation of AI-driven global weather models
  4. NOAA NCEI — Global Forecast System (GFS)
  5. UK Met Office — How weather forecasts are created
  6. UK Met Office — What is an ensemble forecast?

यह लेख कृत्रिम बुद्धिमत्ता से तैयार किया गया और प्रकाशन से पहले स्वचालित स्रोत-जाँच से गुज़रा। कोई गलती दिखे तो सुधार का अनुरोध करें। सुधार या उत्तर का अनुरोध करें · हम कैसे काम करते हैं

संबंधित लेख