Jakość prognozy pogody

Jeśli swoje plany uzależniacie od prognozy pogody, to domyślam się, że są one w poważnej rozsypce. Nic się nie zgadza. Miało padać, nie pada. Miało być ładnie, jest szaro i ponuro. I to pomimo tego, że jedna trzecia istniejących na świecie superkomputerów jest zaangażowana w liczenie numerycznych modeli pogody. - "Modelowanie pogody" wymaga gigantycznych mocy obliczeniowych - aby wygenerować zespół danych pogodowych dla jednego węzła siatki kartograficznej oplatającej Ziemię, trzeba rozwiązać setki milionów działań matematycznych – wyjaśnia prof. Mariusz Figurski z Centrum Modelowania Meteorologicznego IMGW. - Numeryczne modele pogody to w zasadzie równania matematyczne opisujące zjawiska zachodzące w ziemskiej atmosferze, takie jak przepływy powietrza, wody, promieniowanie słoneczne, interakcje między powierzchnią Ziemi a atmosferą czy atmosferą a oceanami. Żeby modele mogły odpowiednio funkcjonować i aby pozwalały nam przewidywać pogodę, potrzebujemy, po pierwsze, zasilić je możliwie największą liczbą danych o aktualnie panujących warunkach, a po drugie znać znakomicie procesy zachodzące w atmosferze i związki zachodzące między nimi. W związku ze zmieniającym się klimatem i gwałtownymi zjawiskami atmosferycznymi, na rozwój modelowania pogody kładzie się ogromny nacisk.

Ciągle problemem synoptyków jest określenie intensywności zjawisk atmosferycznych, a w szczególności tych ekstremalnych, które pojawiają się w bardzo małej skali przestrzennej. Przewidywania pojawienia się trąby powietrznej jest wciąż wyzwaniem. Jest to bardzo trudne i w zasadzie nawet przy użyciu skomplikowanych matematycznych obliczeń, trudno jest określić, kiedy trąba się pojawi. Dlatego też fizyka atmosfery i meteorologia cyfrowa wraz ze wspierającymi je narzędziami są mocno rozwijającymi się dziedzinami. 

Superkomputer stosowany przez National Weather Service
 
Z czego więc dokładnie wynika problem z przewidywaniem pogody?

1. Dane - aby zrobić prognozę pogody, należy zebrać duże ilości danych. Dane są zbierane i przetwarzane. Błąd zbiorów danych może zaburzyć cały proces predykcji. 
2. Modele – modele ewoluują od wielu lat, ale ciągle nie są doskonałe. Ciągle rozszerza się je, dodając nowe zmienne od danych historycznych po zbierane na żywo informacje o pogodzie. 
3. Moce obliczeniowe – choć zaangażowane są najbardziej skomplikowane superkomputery, to mocy obliczeniowej zaczyna brakować w odniesieniu do zmieniających się modeli. 
4. Zanieczyszczenie atmosfery – ostatnie badania pokazują, że prognozy mogą się nie sprawdzać z powodu pary wodnej unoszącej się nad kominami fabryk czy smogu wiszącego nad miastem.
5. Czas – coraz częściej interesują nas długoterminowe prognozy, a sprawdzalność spada z każdym kolejnym przewidywanym dniem; dzieje się tak za sprawą zjawiska nazywanego potocznie „efektem motyla”. Superkomputery wyliczają prognozę na podstawie danych wejściowych, czyli tego, co dzieje się w pogodzie w tej chwili. Im dalszy termin, tym więcej zawirowań może się zdarzyć.

Wydaje się, że aby to wszystko ogarnąć, potrzebujemy AI. Sztuczna inteligencja daje nadzieję na poprawę. Firma informatyczna DeepMind przetestowała próbę prognozowania pogody na 90 minut, co 5 minut, przy wykorzystaniu sieci neuronowych. Wyniki są dość obiecujące, a nawet lepsze od niektórych metod obecnie stosowanych. Pozwala to wierzyć, że prognozy pogody będą w przyszłości lepsze. Na teraz pozostaje nam wierzyć w to, co dostarczają serwisy pogodowe i patrzenie w niebo.