یہ زبان مشین کے ذریعے ترجمہ کی گئی ہے اور کسی انسان نے اس کا جائزہ نہیں لیا۔

NIVΞCTOR
خبریںتعاون

کاؤنٹر ابھی شروع نہیں ہوا

سائنس · مضمون

جدید موسمیاتی پیش گوئی کیسے کام کرتی ہے: سیٹلائٹس سے سپر کمپیوٹرز تک

اشاعت:

مختصراً

جدید پیش گوئیاں سیٹلائٹس، ریڈار اور زمینی اسٹیشنوں سے سینکڑوں ملین روزانہ مشاہدات سے شروع ہوتی ہیں، جنہیں ڈیٹا assimilation کے عمل کے ذریعے موجودہ ماحول کے ماڈل میں ملایا جاتا ہے۔ سپر کمپیوٹرز پھر طبیعیاتی مساوات کو وقت میں آگے حل کرتے ہیں، اکثر ایک جیسے ماڈل کو درجنوں بار قدرے مختلف نقطہ آغاز کے ساتھ چلاتے ہیں — ایک "ensemble" — تاکہ یہ ظاہر ہو کہ کوئی پیش گوئی کتنی غیر یقینی ہے۔ قومی موسمیاتی ایجنسیاں اب ان طبیعیاتی نظام کے ساتھ ساتھ AI پر مبنی ماڈل بھی چلا رہی ہیں۔

یہ نسخہ اصل متن (English) کا مشینی ترجمہ ہے۔ اصل متن پڑھیں

ہر موسمیاتی پیش گوئی، چاہے وہ فون کی ایپ پر سات دن کا نقطہ نظر ہو یا کوئی قومی ایجنسی طوفان کے راستے کی پیش گوئی، ایک جیسے طریقے سے شروع ہوتی ہے: موجودہ ماحول کی مشاہدات کے ساتھ۔ European Centre for Medium-Range Weather Forecasts (ECMWF) کہتا ہے کہ اسے روزانہ تقریباً 800 ملین مشاہدات موصول ہوتی ہیں، بیشتر تقریباً 90 سیٹلائٹ آلات سے جو ماحول، سمندر، زمین، برف اور سمندری برف کی نگرانی کرتے ہیں؛ معیار کی جانچ کے بعد، ان میں سے تقریباً 60 ملین مشاہدات اصل میں اس کے پیش گوئی کے نظام میں استعمال ہوتی ہیں۔

مشاہدات کو پیش گوئی میں تبدیل کرنا: ڈیٹا assimilation

خام مشاہدات زمین کے ہر نقطے کا احاطہ نہیں کرتی، اس لیے پیش گوئی کرنے والے براہ راست انہیں سے موجودہ موسم کو نہیں پڑھ سکتے۔ اس کے بجائے، ایجنسیاں ڈیٹا assimilation کہلانے والی تکنیک استعمال کرتی ہیں تاکہ نامکمل مشاہدات کو پچھلی دوڑ سے قلیل مدتی پیش گوئی کے ساتھ ملایا جائے، ماحول کی ایک مکمل، طبیعیاتی لحاظ سے مستقل تصویر تیار کی جائے جسے analysis کہا جاتا ہے۔ ECMWF four-dimensional variational assimilation (4D-Var) کہلانے والا طریقہ استعمال کرتا ہے، جسے یہ "موجودہ موسم کے ابتدائی خیال کو مشاہدات سے نیا شہادت کے ساتھ ملانا" کہتے ہوئے بیان کرتا ہے جو جگہ اور وقت دونوں میں۔ برطانیہ کے Met Office نے اسی مرحلے کو زیادہ سادہ طریقے سے بیان کیا ہے: ڈیٹا assimilation "وہ خالی جگہیں بھر دیتا ہے جہاں براہ راست مشاہدات غائب ہیں... دستیاب ڈیٹا کو ماڈل کی پیش گوئیوں کے ساتھ ملا کر۔"

ECMWF کے ذریعے ترجیح دی جانے والی مشاہدات کی اقسام میں درجہ حرارت اور نمی کی پڑھائیاں شامل ہیں جو مائکروویو اور infrared سیٹلائٹ آلات سے حاصل ہوتی ہیں، ہوا کا تخمینہ لگایا جاتا ہے جو بادلوں کو ٹریک کرنے سے اور radar، lidar اور scatterometer آلات سے حاصل ہوتا ہے، اور ایک تکنیک جسے 'all-sky' assimilation کہا جاتا ہے جو بادلوں اور بارش والے علاقوں سے سیٹلائٹ کا ڈیٹا استعمال کرتی ہے بجائے اسے پھینکے۔

ماڈلز کو چلانا: سپر کمپیوٹرز پر طبیعیاتی مساوات

ایک بار جب تجزیہ بن جاتا ہے، ایک عددی موسمیاتی پیش گوئی کا ماڈل سنبھال لیتا ہے۔ یہ ماڈلز ماحول کو ایک تین جہتی شبکے میں تقسیم کرتے ہیں اور حرکت، توانائی، بڑے پیمانے پر اور نمی کو کنٹرول کرنے والی مساوات کو ہر شبکے کے نقطے پر حل کرتے ہیں، پھر پوری نظام کو وقت میں آگے بڑھاتے ہیں۔ امریکی Global Forecast System (GFS)، NOAA کے National Centers for Environmental Prediction کے ذریعے چلایا جاتا ہے، اپنی پہلی ہفتہ کی پیش گوئی کے لیے شبکے کی نقاط کے درمیان تقریباً 28 کلومیٹر (18 میل) کی بنیادی افقی رزائو استعمال کرتا ہے، سات دن کے بعد پیش گوئیوں کے لیے تقریباً 70 کلومیٹر (44 میل) تک پتلا کرتے ہوئے، اور ماحول، سمندر، زمین/مٹی اور سمندری برف کے الگ ماڈلز کو جوڑتا ہے۔ یہ ایک دن میں چار بار مکمل پیش گوئی تیار کرتا ہے، 16 دن تک۔

ECMWF کا مساوی نظام، Integrated Forecasting System (IFS)، نومبر 2024 میں Cycle 49r1 کہلانے والے ایک اپ ڈیٹ کے تحت اپ ڈیٹ کیا گیا۔ ECMWF کے مطابق، وہ اپ ڈیٹ پہلی بار دو میٹر درجہ حرارت کی مشاہدات کو assimilate کیا، یہ ترمیم کی کہ ماڈل اپنی طبیعیات میں غیر یقینی کی نمائندگی کیسے کرتا ہے، اور سمندری لہر کے ماڈل کی شبکہ کو ماحولیاتی ماڈل کی درستگی سے تقریباً 9 کلومیٹر تک درمیانی مدت کی پیش گوئیوں کے لیے ملایا۔ ECMWF نے اپ ڈیٹ سے قابل پیمائش فوائد کی رپورٹ کی ہے، بشمول چار دن کے ذریعے Antarctica کے قریب پیش گوئی کے سکور میں تقریباً 0.5% کی بہتری، جو جزوی طور پر سمندری برف پر نئے مائکروویو ڈیٹا کی وجہ سے ہے۔

Ensemble پیش گوئی: غیر یقینی خود کو پیش گوئی کرنا

ایک اکیلا ماڈل ایک تجزیہ سے ایک انجام کا صرف ایک ورژن دیتا ہے، لیکن ماحول وہ ہے جسے سائنسدان ایک chaotic نظام کہتے ہیں: Met Office کے مطابق، "اس کی ابتدائی حالت میں بہت چھوٹی غلطیاں پیش گوئی میں بہت بڑی غلطیوں کا باعث بن سکتی ہیں۔" کیونکہ مشاہدات کبھی ماحول کی حقیقی حالت کو مکمل طور پر نہیں پکڑ سکتے، ایجنسیاں ایک جیسے ماڈل کو درجنوں بار قدرے مختلف، برابری کے قابل شروعاتی حالات سے چلاتی ہیں۔ متوازی پیش گوئیوں کے اس مجموعے کو ensemble کہا جاتا ہے، اور ہر انفرادی دوڑ کو ایک 'ensemble member' کہا جاتا ہے۔

اگر پیش گوئیاں بہت سے مختلف ہوں تو پیش گوئی کار کو معلوم ہے کہ موسم اصل میں کیا کرے گا اس بارے میں بہت زیادہ غیر یقینی ہے، لیکن اگر پیش گوئیاں سب ملتی جلتی ہوں تو ان کے پاس کسی خاص واقعے کی پیش گوئی کرنے میں زیادہ اعتماد ہوگا۔

— UK Met Office، ensemble پیش گوئی پر

پیش گوئیاں آگے اعتماد کیوں کھو دیتی ہیں

ECMWF نے رپورٹ کیا ہے کہ اس کے نومبر 2024 کے Cycle 49r1 اپ ڈیٹ نے پیش گوئی کی درستگی میں قابل پیمائش فوائد دیے ہیں، بشمول چار دن کے ذریعے Antarctica کے قریب پیش گوئی کے سکور میں تقریباً 0.5% کی بہتری، جو یہ جزوی طور پر سمندری برف پر نئے مائکروویو سیٹلائٹ کے ڈیٹا میں منسوب کرتا ہے۔ زیادہ عام طور پر، کیونکہ ایک chaotic نظام کی شروعاتی حالات میں چھوٹی غلطیاں وقت کے ساتھ بڑھتی ہیں، ایجنسیاں الگ الگ ماہانہ اور موسمی نقطہ نظر بھی جاری کرتی ہیں، مختلف شماریاتی طریقوں پر مبنی، ایک بار جب روز بہ روز پیش گوئیاں اپنی افادیت کھو دیتی ہیں۔

AI کی بنیاد پر پیش گوئی کا عروج

ان طبیعیاتی ماڈلز کے ساتھ ساتھ، قومی ایجنسیاں machine-learning کے نظاموں کو چلانا شروع کر چکی ہیں جو ماضی کے موسم کے اعشاریہ سے سکھایا گیا ہے۔ NOAA نے دسمبر 2025 میں اعلان کیا کہ وہ تین ایسے نظام آپریشنل بنا چکے ہیں: AIGFS (Global Forecast System کا ایک AI ورژن)، AIGEFS (ایک AI ensemble نظام) اور HGEFS، ایک 62-member ensemble جو AI اور طبیعیاتی پیش گوئیوں کو ملاتا ہے۔ NOAA کے مطابق، AIGFS تقریباً 40 منٹ میں ایک 16 دن کی عالمی پیش گوئی تیار کر سکتا ہے روایتی GFS کے لیے درکار کمپیوٹنگ وسائل کا تقریباً 0.3% استعمال کرتے ہوئے، اور AIGEFS معیاری ensemble کے وسائل کا تقریباً 9% ضرورت ہے۔ NOAA کے انتظامی Neil Jacobs نے ان نظاموں کو "امریکی موسمیاتی ماڈل کی جدت میں ایک اہم چھلانگ" کہا، بڑے پیمانے پر نمونوں اور طوفان کے راستوں کی پیش گوئیوں میں بہتر درستگی کا حوالہ دیتے ہوئے، اگرچہ NOAA نے یہ بھی تسلیم کیا ہے کہ AIGFS فی الوقت طوفان کی شدت کی پیش گوئی میں خراب کارکردگی دکھاتا ہے، ایک علاقہ جو حکام نے کہا ہے کہ ابھی مزید ترقی کی ضرورت ہے۔

ماڈل کے نتائج سے آپ کو دکھائی دینے والی پیش گوئی تک

ماڈل کا ڈیٹا عام طور پر حتمی مصنوعہ نہیں ہوتا۔ Met Office کہتا ہے کہ سپر کمپیوٹر کی دوڑیں مکمل ہونے کے بعد، انسانی پیش گوئی کار ماڈل کی نتائج کی ترجمانی کرتے ہیں، مقامی خطے اور حالات جن کو ماڈل کی درستگی مکمل طور پر نہیں پکڑ سکتی، انہیں بھی شامل کرتے ہیں، اور پیش گوئی کو شائع ہونے سے پہلے ترمیم کرتے ہیں، انسانی سوچ کو کمپیوٹیشنل نتائج کے ساتھ ملا کر ایک قابل استعمال پیش گوئی تیار کرتے ہیں۔

دو بڑے عالمی پیش گوئی کے نظام کا موازنہ
خصوصیتGFS (NOAA/NCEP)IFS (ECMWF)
شبکہ کی درستگی~28 km (پہلا ہفتہ)، ~70 km دن 7 کے آگے~9 km درمیانی مدت کے لیے (سمندری لہر کی شبکہ ماحول سے ملی، Cycle 49r1)
پیش گوئی کی سب سے زیادہ لمبائی16 دنمشاہدہ شدہ ذرائع میں بیان نہیں کیا گیا
Ensemble کے ممبرزمشاہدہ شدہ ذرائع میں بیان نہیں کیا گیامشاہدہ شدہ ذرائع میں بیان نہیں کیا گیا
ایک دن میں دوڑیں4مشاہدہ شدہ ذرائع میں بیان نہیں کیا گیا
نیا اضافہAIGFS/AIGEFS (AI ماڈلز)، HGEFS (hybrid، 62 members)Cycle 49r1 طبیعیات اپ ڈیٹ، نومبر 2024

سوالات

موسمیاتی پیش گوئیاں کتنی آگے تک قابل اعتماد ہو سکتی ہیں؟
ECMWF کے مطابق، اس کے نومبر 2024 کے Cycle 49r1 اپ ڈیٹ نے پیش گوئی کے سکور میں بہتری کی ہے، بشمول چار دن کے ذریعے Antarctica کے قریب تقریباً 0.5% کا فائدہ۔ زیادہ عام طور پر، کیونکہ ایک chaotic نظام کی شروعاتی حالات میں ریزہ غلطیاں وقت کے ساتھ بڑھتی ہیں، Met Office نوٹ کرتا ہے کہ ensemble پیش گوئیاں جتنی آگے جاتی ہیں اتنی کم یقینی ہو جاتی ہیں، یہی وجہ ہے کہ طویل مدتی نقطہ نظر ماہانہ اور موسمی پیش گوئیوں کے طور پر جاری کیے جاتے ہیں بجائے درست روز بہ روز پیش گوئیوں کے۔
ڈیٹا assimilation کیا ہے؟
یہ نامکمل حقیقی دنیا کی مشاہدات — سیٹلائٹس، radar، موسمی اسٹیشنوں اور بہت کچھ سے — کو ایک قلیل مدتی ماڈل پیش گوئی کے ساتھ ملانے کا عمل ہے تاکہ موجودہ ماحول کی ایک مکمل، طبیعیاتی لحاظ سے مستقل تصویر بنائی جائے، جو پھر اگلی پیش گوئی کی دوڑ کا نقطہ آغاز بن جاتی ہے، ECMWF اور UK Met Office کے مطابق۔
پیش گوئی کار ایک جیسے ماڈل کو بہت سے بار کیوں چلاتے ہیں (ensemble پیش گوئی)؟
کیونکہ ماحول chaotic ہے اور شروعاتی حالات میں ریزہ غلطیاں تیزی سے بڑھتی ہیں، ایجنسیاں ایک جیسے ماڈل کو بار بار قدرے مختلف معقول نقطوں سے چلاتی ہیں؛ Met Office کے مطابق، اگر وہ دوڑیں نزدیک سے متفق ہوں تو پیش گوئی کار کے پاس زیادہ اعتماد ہے، اور اگر وہ علیحدہ ہو جائیں تو زیادہ غیر یقینی ہے۔
کیا AI موسمیاتی ماڈلز روایتی طبیعیات پر مبنی ماڈلز کی جگہ لے رہے ہیں؟
ابھی مکمل طور پر نہیں۔ NOAA نے AI کی بنیاد پر نظاموں جیسے AIGFS اور AIGEFS کو اپنے طبیعیات پر مبنی GFS اور GEFS کے ساتھ آپریشنل بنایا ہے، اور رپورٹ کرتا ہے کہ یہ بہت تیز ہیں اور کمپیوٹنگ وسائل کا ایک حصہ استعمال کرتے ہیں، لیکن NOAA یہ بھی کہتا ہے کہ AI کے نظام فی الوقت طوفان کی شدت کی پیش گوئیوں میں کم کارکردگی دکھاتے ہیں، ایک علاقہ ابھی تیار ہو رہا ہے۔
امریکی GFS ماڈل اور یورپی ECMWF ماڈل میں کیا فرق ہے؟
NOAA اور ECMWF کی دستاویزات کے مطابق، GFS ایک دن میں چار بار چلتا ہے اور 16 دن تک اپنے پہلے ہفتے میں تقریباً 28 km کی درستگی پر جاتا ہے، جبکہ ECMWF کا IFS نومبر 2024 کے Cycle 49r1 اپ ڈیٹ کے بعد اپنی درمیانی مدت کی پیش گوئیوں کو تقریباً 9 km کی افقی درستگی پر چلاتا ہے۔

ذرائع

  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?

یہ تحریر مصنوعی ذہانت سے تیار کی گئی اور اشاعت سے پہلے ذرائع کی خودکار جانچ سے گزری۔ اگر آپ کو کوئی غلطی نظر آئے تو تصحیح کی درخواست کریں۔ تصحیح یا جواب کی درخواست · ہم کیسے کام کرتے ہیں

متعلقہ تحریریں