English
Prognoza pogody w popularnych serwisach internetowych coraz częściej obejmuje swym zasięgiem najbliższy tydzień czy dwa. Można nawet znaleźć modele prognozujące temperaturę, opady i zachmurzenie na kilka miesięcy do przodu. Co chwila w gazetach wyskakują przykuwające wzrok nagłówki o nagłym mrozie nadciągającym ze wschodu, intensywnych opadach śniegu na święta, fali upałów, która nawiedzi nas już w marcu czy innej ekstremalnej pogodzie, które ma za dwa tygodnie dać nam się we znaki. Innym znów razem wychodzimy rano z domu uzbrojeni w parasol, bo w radio mówili o przelotnych opadach deszczu, a przez cały dzień nie spadła na nas ani jedna kropla. A więc co z wiarygodnością takich prognoz? I jeśli się nie sprawdzają, to dlaczego?
Dlaczego prognoza pogody się nie sprawdza
Prognozy prognozami, a potem (o czym nie znajdziemy już informacji w mediach) okazuje się, że świat nie został skuty lodem, śniegu w górach nadal jest jak na lekarstwo, a przyroda nie wybuchła zielenią po nagłym przyjściu wiosny. I nawet dociekliwi, przeglądając później modele numeryczne, na które powoływali się autorzy pogodowych sensacji, na próżno szukają potwierdzenia ich prognoz. Okazuje się, że wszystkiemu „winny” jest motyl, który trzepotem swoich skrzydeł wprowadza w dynamiczny układ, jakim jest atmosfera ziemska, maleńką zmianę i wywołuje nią tornado na drugim krańcu świata.
Jak motyl wywołuje huragan
Oczywiście historia z motylem jest przenośnią, ale to potoczne porównanie obrazuje dwie rzeczy. Pierwsza mówi o tym, że wprowadzenie do układu nawet niewielkiej zmiany początkowej może na końcu powodować duże rozbieżności. A druga to nawiązanie do kształtu wykresu przypominającego skrzydła motyla, jaki uzyskał Edward Lorenz podczas symulacji modelu pogody. Ten wybitny amerykański matematyk i meteorolog, który w swoich badaniach tworzył pierwsze komputerowe modele pogody, próbował ją prognozować na kilka dni do przodu. Opracował on w latach 60. XX w. zestaw kilkunastu równań różniczkowych nieliniowych, opisujących relacje między temperaturą, ciśnieniem czy prędkością wiatru.
Uważał, jak większość naukowców w tamtych czasach, że dokładne dane wejściowe o stanie atmosfery dadzą dokładne dane wyjściowe, czyli prognozę pogody. Jednak, gdy wprowadził do komputera dwie liczby wejściowe z różną dokładnością, otrzymał wyniki, które coraz bardziej różniły się od siebie w miarę upływu symulowanego czasu, mimo niewielkiej różnicy w wartościach początkowych. Taką wrażliwość równania bądź układu równań na małe zaburzenie parametrów początkowych Lorenz nazwał w artykule naukowym efektem motyla. W późniejszym czasie zjawisko to zostało określone mianem chaosu deterministycznego.
W kontekście prognoz pogody efekt motyla ma ogromne znaczenie, ponieważ system atmosferyczny jest dynamicznym i złożonym układem, w którym nawet najmniejsze zmiany mają wpływ na całość. Drobne różnice w temperaturze, wilgotności powietrza czy prędkości wiatru na jednym końcu świata mogą mieć wpływ na warunki atmosferyczne w innym miejscu. Parametry te teoretycznie łączą się w związek przyczynowo skutkowy, jednak tak odległy i skomplikowany, że pozostaje on niemożliwy do przewidzenia i ujęcia w modelach pogody.
Dodatkowo nie ma możliwości wprowadzenia na początku symulacji zbioru danych, który będzie w wystarczająco dokładny sposób opisywał wszystkie parametry początkowe stanu atmosfery. Mogą też nastąpić nieoczekiwane zmiany, nieujęte w globalnym modelu (takie jak wycinka drzew, zmiana zacienienia przez budowę wieżowca czy przelot samolotu), które doprowadzą lokalnie do rozwoju chmur, zmiany temperatury i de facto innej pogody niż prognozowana.
Jak więc widać, najmniejsze odchylenie w wartościach początkowych skutkuje bardzo szybko rosnącym odchyleniem wyników końcowych – długoterminowej prognozy pogody. Dzieje się tak nadal, mimo iż specjaliści od numerycznych prognoz dysponują coraz dokładniejszymi i pełniejszymi danymi o stanie atmosfery. Obecnie w modelach pogody oprócz danych z pomiarów naziemnych asymilowane są dane z obrazów satelitarnych, radarowych, systemów detekcji wyładowań atmosferycznych, a nawet takie zbierane na statkach badawczych czy w samolotach pasażerskich. Jednak wrażliwość układu, jakim jest atmosfera, mnogość procesów w niej zachodzących oraz oddziaływania na nią podłoża skutkuje tym, że dokładna prognoza pogody obejmować może jedynie najbliższe 2-4 dni.
Dokładna prognoza pogody w dłuższym okresie jest nie do przewidzenia. W poszczególnych przeliczeniach modelu numerycznego, bazującego co kilka godzin na nowych warunkach początkowych, mogą pojawić się wyniki sugerujące załamanie pogody, które z pewnością zostaną wychwycone i opisane przez liczne media. Jednak już w następnej prognozie tej gwałtownej zmiany może nie być. Dodatkowym czynnikiem powodującym słabą sprawdzalność prognoz są nieuwzględnione z dostateczną dokładnością warunki lokalne, które mogą wpływać na przykład na zróżnicowanie występowania opadu na niewielkim terenie.
źródło: Dschwen/Wikimedia
Co w zamian – prognoza probabilistyczna i synoptyczna
Czy więc naprawdę nie możemy określić, choćby w uproszczonym zakresie, pogody w kilku czy kilkunastodniowym horyzoncie czasowym lub dla dokładnej lokalizacji uwzględniającej warunki miejscowe? Częściowo możemy. Obecnie coraz więcej globalnych średnioterminowych modeli numerycznych pogody bazuje na prognozie wiązkowej, która w jednym czasie generuje kilkadziesiąt prognoz z nieznacznie zmienionymi warunkami początkowymi. Wielkość różnic narasta w czasie w poszczególnych wynikach puszczonej wiązki. Pozwala to określić moment, do którego prognozy w wiązce są ze sobą spójne i wiarygodne. Wydłuża to okres dokładności prognozy do 5-7 dni. W taki sposób możemy przewidywać większość istotnych z punktu widzenia standardowego odbiorcy parametrów meteorologicznych, takich jak temperatura, zachmurzenie, opad, prędkość wiatru czy rozkład ciśnienia.
Jeżeli potrzebujemy prognozy wykraczającej poza zakres kilku dni, np. miesięczną lub sezonową, warto sięgnąć po modele probabilistyczne. Obrazują one, najczęściej w postaci map dla kraju, czy dany parametr meteorologiczny będzie poniżej, równo czy powyżej normy wieloletniej. Opracowywane są one na ogół dla podstawowych parametrów meteorologicznych, takich jak temperatura i opad w układzie dekadowym, miesięcznym lub sezonowym. Modele długoterminowe, ze względu na złożoność obliczeń i ciągłą fazę rozwoju, tworzone są na ogół w instytutach meteorologicznych i badawczych.
Dla odbiorców oczekujących prognozy pogody na tu i teraz, obejmującej szeroki zakres parametrów meteorologicznych, kilkugodzinnej lub maksymalnie 1-2 dniowej i uwzględniającej warunki lokalne, istotne będą prognozy opracowywane przez synoptyków lub modele nowcastingowe. Synoptycy, dysponując szeroką gamą danych meteorologicznych, znajomością specyfiki osłanianego obszaru oraz bazując na obliczeniach i porównywaniu wyników modeli, mogą tworzyć prognozy o wysokiej sprawdzalności i dostosowane do odbiorców związanych z zapewnieniem bezpieczeństwa ludności, statków czy lotnictwa.
Można też sięgnąć po dostępne na niektórych platformach modele nowcastingowe, prognozujące pogodę w horyzoncie czasowym do 6 godzin. Stosuje się w nich precyzyjne obliczenia przemieszczania się i ewolucji zjawisk meteorologicznych i parametrów określających aktualny stan atmosfery, co umożliwia np. śledzenie ruchu i rozwoju poszczególnych komórek burzowych. Pozwalają one określić pogodę z dużą precyzją i uwzględnieniem lokalnych warunków.
Jak widać, produkty tworzone przez synoptyków lub modele nowcastingowe, z racji krótkiego horyzontu prognoz i ciągłej ich aktualizacji, opierają się efektowi motyla. Natomiast jeśli chcemy sięgnąć prognozą w bardziej odległą przyszłość, musimy liczyć się z mniejszą dokładnością.
W artykule korzystałam m.in. z prac:
- https://meteomodel.pl/modele-numeryczne-mapy-gfs/ (Dostęp: 26.02.2024 r.)
- https://pl.wikipedia.org/wiki/Chaos_(matematyka) (Dostęp: 26.02.2024 r.)
- https://pl.wikipedia.org/wiki/Efekt_motyla (Dostęp: 26.02.2024 r.)
- Słownik dla mediów najważniejsze pojęcia i zwroty w meteorologii, IMGW-PIB
- Słownik dla mediów najważniejsze pojęcia i zwroty w modelowaniu meteorologicznym, IMGW-PIB
