Jak funkcjonuje współczesne prognozowanie pogody: od satelitów do superkomputerów

Każda prognoza pogody, czy to siedmiodniowa perspektywa w aplikacji telefonicznej czy też ścieżka huraganu wydana przez agencję krajową, zaczyna się w ten sam sposób: od obserwacji atmosfery takiej, jaka jest teraz. Europejskie Centrum Średnioterminowych Prognoz Pogody (ECMWF) mówi, że otrzymuje około 800 milionów obserwacji dziennie, głównie z około 90 instrumentów satelitarnych monitorujących atmosferę, ocean, ląd, śnieg i lód morski; po kontroli jakości, w systemie prognozowania faktycznie wykorzystywanych jest około 60 milionów z tych obserwacji.

Zamiana obserwacji na prognozę: asymilacja danych

Surowe obserwacje nie obejmują każdego punktu na Ziemi, więc meteorolodzy nie mogą po prostu odczytać obecną pogodę z nich. Zamiast tego agencje używają techniki zwanej asymilacją danych, aby połączyć niekompletne obserwacje z krótkoterminową prognozą z poprzedniego uruchomienia, tworząc kompletny, fizycznie spójny obraz atmosfery zwany analizą. ECMWF używa metody zwanej czterowymiarową asymilacją wariacyjną (4D-Var), którą opisuje jako połączenie "pierwszego przypuszczenia o obecnej pogodzie z nowymi dowodami z obserwacji" zarówno w przestrzeni, jak i w czasie. Brytyjskie Biuro Meteorologiczne opisuje ten sam krok bardziej prosto: asymilacja danych "wypełnia luki, w których brakuje bezpośrednich obserwacji... poprzez połączenie dostępnych danych z przewidywaniami modelu".

Wśród typów obserwacji priorytetowych dla ECMWF znajdują się odczyty temperatury i wilgotności z mikrofalowych i podczerwonych instrumentów satelitarnych, szacunki wiatru uzyskane poprzez śledzenie chmur oraz instrumenty radarowe, lidarowe i rozpraszające, oraz technika zwana asymilacją "całego nieba" (all-sky), która wykorzystuje dane satelitarne z obszarów chmurnych i deszczowych zamiast je odrzucać.

Uruchamianie modeli: równania fizyki na superkomputerach

Po zbudowaniu analizy przejmuje modelowanie numeryczne prognozy pogody. Modele te dzielą atmosferę na trójwymiarową siatkę i rozwiązują równania dotyczące ruchu, energii, masy i wilgotności w każdym punkcie siatki, a następnie przesuwają cały system do przodu w czasie. Globalny System Prognozowania USA (GFS), prowadzony przez Krajowe Centra Prognozowania Środowiska NOAA, używa rozdzielczości poziomej około 28 kilometrów (18 mil) między punktami siatki dla swoich pierwszych siedmiu dni wyjścia, grubując do około 70 kilometrów (44 mil) dla prognoz poza siedmioma dniami, i łączy oddzielne modele atmosfery, oceanu, lądu/gleby i lodu morskiego. Produkuje pełną prognozę cztery razy dziennie, na okres do 16 dni.

Równoważny system ECMWF, Zintegrowany System Prognozowania (IFS), został uaktualniony w listopadzie 2024 roku w ramach wydania zwanego Cycle 49r1. Według ECMWF, to uaktualnienie asymilowało po raz pierwszy obserwacje temperatury na wysokości dwóch metrów, zmieniło sposób, w jaki model reprezentuje niepewność w swojej fizyce, i dopasowało siatkę modelu fal oceanicznych do rozdzielczości modelu atmosfery około 9 kilometrów dla prognoz średnioterminowych. ECMWF zgłosiła wymierne zyski z uaktualnienia, w tym około 0,5% poprawę wyników prognoz w pobliżu Antarktydy do czwartego dnia, częściowo dzięki nowym danym mikrofalowym nad lodem morskim.

Prognozowanie zespołu: prognozowanie samej niepewności

Jedno uruchomienie jednego modelu z jednej analizy daje jedną wersję przyszłości, ale atmosfera jest tym, co naukowcy nazywają systemem chaotycznym: według Biura Meteorologicznego, "bardzo małe błędy w jego stanie początkowym mogą prowadzić do dużych błędów w prognozie." Ponieważ obserwacje nigdy nie mogą idealnie uchwycić rzeczywistego stanu atmosfery, agencje uruchamiają ten sam model dziesiątki razy z nieco różnych, równie wiarygodnych warunków początkowych. Ta zbiór równoległych prognoz jest zwany zespołem, a każde poszczególne uruchomienie jest "członkiem zespołu".

Dlaczego prognozy tracą pewność w dalszą przyszłość

ECMWF zgłosiła, że jej uaktualnienie Cycle 49r1 z listopada 2024 roku dało wymierną poprawę w dokładności prognoz, w tym około 0,5% wzrost wyników prognoz w pobliżu Antarktydy do czwartego dnia, którą przypisała częściowo nowym danym satelitarnym mikrofalowym nad lodem morskim. Szerzej rzecz biorąc, ponieważ małe błędy w warunkach początkowych systemu chaotycznego rosną w czasie, agencje również wydają odrębne prognozy miesięczne i sezonowe, oparte na różnych metodach statystycznych, gdy prognozy dzień po dniu tracą swoją przydatność.

Wzrost prognozowania opartego na sztucznej inteligencji

Obok tych modeli opartych na fizyce, agencje krajowe zaczęły uruchamiać systemy uczenia maszynowego przeszkolone na dziesięcioleciach danych pogodowych z przeszłości. NOAA ogłosiła w grudniu 2025 roku, że uczyniła trzy takie systemy operacyjnymi: AIGFS (wersja sztucznej inteligencji Global Forecast System), AIGEFS (system zespołu sztucznej inteligencji) i HGEFS, zespół 62 członków, który łączy prognozy oparte na sztucznej inteligencji i fizyce. Według NOAA, AIGFS może produkować globalną prognozę 16-dniową w około 40 minut, używając około 0,3% zasobów obliczeniowych, które wymaga tradycyjny GFS, a AIGEFS potrzebuje około 9% zasobów standardowego zespołu. Administrator NOAA Neil Jacobs opisał systemy jako "znaczący przebój w innowacji amerykańskich modeli pogody", powołując się na ulepszoną dokładność dla wzorów na dużą skalę i prognoz ścieżki huraganu, chociaż NOAA również przyznała, że AIGFS obecnie wykazuje obniżoną wydajność w prognozowaniu intensywności huraganu, dziedziny, która, jak powiedzieli urzędnicy, wciąż wymaga dalszego rozwoju.

Od wyjścia modelu do widzianej przez ciebie prognozy

Dane modelu zwykle nie są produktem końcowym. Biuro Meteorologiczne mówi, że po zakończeniu uruchomień superkomputera, ludzie meteorolodzy interpretują wyjście modelu, uwzględniają lokalny teren i warunki, których rozdzielczość modelu nie może w pełni uchwycić, i dostosowują prognozę przed jej opublikowaniem, łącząc ludzkie osądy z wyjściem obliczeniowym w celu uzyskania przydatnej prognozy.