Kredit:Shutterstock
Vetenskapen om väderprognoser faller till allmän granskning varje dag. När prognosen stämmer, vi kommenterar sällan, men vi är ofta snabba med att klaga när prognosen är fel. Kommer vi någonsin sannolikt att uppnå en perfekt prognos som är exakt på timmen?
Det är många steg involverade i att förbereda en väderprognos. Den börjar sitt liv som en global "snapshot" av atmosfären vid en given tidpunkt, kartlagt på ett tredimensionellt rutnät av punkter som spänner över hela jordklotet och sträcker sig från ytan till stratosfären (och ibland högre).
Med hjälp av en superdator och en sofistikerad modell som beskriver atmosfärens beteende med fysikekvationer, denna ögonblicksbild stegas sedan framåt i tiden, producerar många terabyte råa prognosdata. Det faller sedan på mänskliga prognosmakare att tolka datan och omvandla det till en meningsfull prognos som sänds till allmänheten.
Huruvida i vädret
Att förutsäga vädret är en stor utmaning. Till en början, vi försöker förutsäga något som i sig är oförutsägbart. Atmosfären är ett kaotiskt system – en liten förändring i atmosfärens tillstånd på en plats kan få anmärkningsvärda konsekvenser över tid på andra ställen, som av en vetenskapsman analogiserades som den så kallade fjärilseffekten.
Alla fel som uppstår i en prognos kommer snabbt att växa och orsaka ytterligare fel i större skala. Och eftersom vi måste göra många antaganden när vi modellerar atmosfären, det blir tydligt hur lätt prognosfel kan utvecklas. För en perfekt prognos, vi skulle behöva ta bort varje enskilt fel.
Prognosskickligheten har förbättrats. Moderna prognoser är förvisso mycket mer tillförlitliga än de var före superdatoreran. Storbritanniens tidigaste publicerade prognoser går tillbaka till 1861, när Royal Navy officer och angelägen meteorolog Robert Fitzroy började publicera prognoser i The Times.
Hans metoder involverade att rita väderkartor med hjälp av observationer från ett litet antal platser och göra förutsägelser baserat på hur vädret utvecklades tidigare när sjökorten var lika. Men hans prognoser var ofta fel, och pressen var oftast snabba med att kritisera.
Ett stort steg framåt togs när superdatorer introducerades till prognossamhället på 1950-talet. Den första datormodellen var mycket enklare än dagens, förutsäga bara en variabel på ett rutnät med ett avstånd på över 750 km.
Detta arbete banade väg för moderna prognoser, vars principer fortfarande bygger på samma tillvägagångssätt och samma matematik, även om modeller idag är mycket mer komplexa och förutsäger många fler variabler.
Nu för tiden, en väderprognos består vanligtvis av flera körningar av en vädermodell. Operativa vädercentra kör vanligtvis en global modell med ett rutnätsavstånd på cirka 10 km, vars utdata skickas till en modell med högre upplösning som löper över ett lokalt område.
För att få en uppfattning om osäkerheten i prognosen, många vädercentra kör också ett antal parallella prognoser, var och en med små ändringar gjorda i den initiala ögonblicksbilden. Dessa små förändringar växer under prognosen och ger prognosmakare en uppskattning av sannolikheten för att något ska hända – t.ex. den procentuella chansen att det regnar.
Framtiden för prognoser
Superdatoråldern har varit avgörande för att tillåta vetenskapen om väderprognoser (och faktiskt klimatförutsägelser) att utvecklas. Moderna superdatorer kan utföra tusentals biljoner beräkningar per sekund, och kan lagra och bearbeta petabyte med data. Cray-superdatorn på Met Office i Storbritannien har processorkraft och datalagring för ungefär en miljon Samsung Galaxy S9-smarttelefoner.
Ett väderdiagram förutsäger atmosfärstryck över Europa, December 1887. Kredit:Wikimedia Commons
Det betyder att vi har processorkraften att köra våra modeller med hög upplösning och inkludera flera variabler i våra prognoser. Det betyder också att vi kan bearbeta mer indata när vi genererar vår första "snapshot", skapa en mer korrekt bild av atmosfären att börja prognosen med.
Dessa framsteg har lett till en ökad prognosskicklighet. En snygg kvantifiering av detta presenterades i en naturstudie från 2015 av Peter Bauer, Alan Thorpe och Gilbert Brunet, beskriver framstegen i väderprognoser som en "tyst revolution".
De visar att noggrannheten för en femdagarsprognos nuförtiden är jämförbar med den för en tredagarsprognos för cirka 20 år sedan, och att varje decennium, vi får ungefär en dags skicklighet. Väsentligen, dagens tredagarsprognoser är lika exakta som tvådagarsprognosen för tio år sedan.
Men kommer denna kompetensökning sannolikt att fortsätta i framtiden? Detta beror delvis på vilka framsteg vi kan göra med superdatorteknik. Snabbare superdatorer gör att vi kan köra våra modeller med högre upplösning och representera ännu fler atmosfäriska processer, i teorin leder till ytterligare förbättring av prognosskicklighet.
Enligt Moores lag, vår datorkraft har fördubblats vartannat år sedan 1970-talet. Dock, detta har saktat ner den senaste tiden, så andra tillvägagångssätt kan behövas för att göra framtida framsteg, som att öka beräkningseffektiviteten hos våra modeller.
Så kommer vi någonsin att kunna förutsäga vädret med 100% exakthet? Kortfattat, Nej. Det finns 2×10⁴⁴ (200, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000) molekyler i atmosfären i slumpmässig rörelse – att försöka representera dem alla skulle vara outgrundligt. Vädrets kaotiska natur innebär att så länge vi måste göra antaganden om processer i atmosfären, det finns alltid potential för en modell att utveckla fel.
Framsteg inom vädermodellering kan förbättra dessa statistiska representationer och göra det möjligt för oss att göra mer realistiska antaganden, och snabbare superdatorer kan tillåta oss att lägga till mer detaljer eller upplösning till våra vädermodeller, men, kärnan i prognosen är en modell som alltid kommer att kräva vissa antaganden.
Dock, så länge det finns forskning för att förbättra dessa antaganden, framtiden för väderprognoser ser ljus ut. Hur nära vi kan komma den perfekta prognosen, dock, återstår att se.
Denna artikel publicerades ursprungligen på The Conversation. Läs originalartikeln.