EnΓιατί μετεωρολόγοι και εφαρμογές καιρού πέφτουν έξω στις προγνώσεις όλο και πιο συχνά;
Ειδικοί εξηγούν
Οι μετεωρολόγοι πρέπει να συμπυκνώσουν τεράστιους όγκους πληροφοριών σε σύντομες προβλέψεις καιρού για τηλεόραση ή εφαρμογές, γεγονός που μπορεί να προκαλεί σύγχυση στους θεατές
Οι μετεωρολόγοι αντιμετωπίζουν καθημερινά την πρόκληση να παρέχουν ακριβείς προγνώσεις καιρού, ωστόσο οι κακοκαιρίες των τελευταίων ετών και οι καιρικές προβλέψεις που δεν «έπεσαν μέσα» έφεραν στο προσκήνιο τα όρια της μετεωρολογικής επιστήμης.
Ο διδάκτορας ΑΠΘ και μετεωρολόγος ΕΛΓΑ Μιχάλης Σιούτας επισημαίνει ότι η ακρίβεια των μετεωρολογικών προγνώσεων εξαρτάται από πολλαπλούς παράγοντες. Οι δυνατότητες των υπολογιστικών μοντέλων, η ανεπάρκεια του δικτύου μετρήσεων και η τοπική γεωμορφολογία επηρεάζουν σημαντικά τα αποτελέσματα. Η επαγγελματική εμπειρία και η επιστημονική κατάρτιση των μετεωρολόγων αποτελούν καθοριστικούς παράγοντες για την ποιότητα των προβλέψεων. Σχετικά με την κακοκαιρία EVA το 2022, ο κ. Σιούτας υποστηρίζει ότι η αίσθηση αποτυχίας προέκυψε από την υπερβολή ορισμένων ειδικών και των μέσων ενημέρωσης, καθώς και την ανάρμοστη χρήση των συστημάτων έκτακτης ανάγκης.
Οι σύγχρονοι μετεωρολόγοι μπορούν να παρέχουν αξιόπιστες προγνώσεις καιρού για διάστημα έως επτά ημερών. Πέραν αυτού του χρονικού ορίου, το περιθώριο σφάλματος αυξάνεται δραματικά, καθιστώντας τις μακροπρόθεσμες προβλέψεις λιγότερο αξιόπιστες. Όλες οι μετεωρολογικές υπηρεσίες παγκοσμίως εφαρμόζουν συστήματα αξιολόγησης και βαθμολόγησης των προγνώσεων τους. Ωστόσο, ακόμη και αυτή η διαδικασία παρουσιάζει δυσκολίες, καθώς διαφορετικές ομάδες πληθυσμού αντιλαμβάνονται διαφορετικά τα καιρικά φαινόμενα.
Η σημασία της ακρίβειας ποικίλλει ανάλογα με τη δραστηριότητα που επηρεάζεται. Γεωργικές εργασίες, κατασκευαστικά έργα και θαλάσσιες μεταφορές απαιτούν υψηλότερη ακρίβεια στις προγνώσεις καιρού. Επιπλέον, η γεωγραφική θέση και η εποχή καθορίζουν την κρισιμότητα συγκεκριμένων μετεωρολογικών παραμέτρων.
Τα μετεωρολογικά φαινόμενα εκδηλώνονται στην τροπόσφαιρα, το κατώτερο στρώμα της ατμόσφαιρας που εκτείνεται έως 12 χιλιόμετρα ύψος. Οι μετεωρολόγοι προβλέπουν θερμοκρασία, ταχύτητα και διεύθυνση ανέμου, ποσότητα βροχόπτωσης, χιονόπτωση, νέφωση και υγρασία για διάφορες περιοχές και μελλοντικές χρονικές περιόδους.
Η σύγχρονη μετεωρολογία ακολουθεί τρία βασικά στάδια:
Ενώ παλαιότερα οι μετεωρολόγοι εκτελούσαν χειροκίνητα όλες τις διαδικασίες, σήμερα οι ηλεκτρονικοί υπολογιστές αναλαμβάνουν την κατασκευή των προγνωστικών χαρτών.
Οι σύγχρονες προγνώσεις καιρού βασίζονται σε πολύπλοκες μαθηματικές εξισώσεις που περιγράφουν τη συμπεριφορά ατμοσφαιρικών παραμέτρων όπως άνεμος, θερμοκρασία, ατμοσφαιρική πίεση και υδρατμοί. Ένα τυπικό υπολογιστικό πλέγμα 50x50 σημείων για 10 ατμοσφαιρικά επίπεδα αντιπροσωπεύει 25.000 διαφορετικά σημεία υπολογισμών.
Οι αρχικές μετεωρολογικές μετρήσεις εισάγονται ως βασικές τιμές στα ατμοσφαιρικά μοντέλα, και μέσω προγνωστικών εξισώσεων υπολογίζονται οι νέες τιμές κάθε παραμέτρου για συγκεκριμένα χρονικά διαστήματα.
Οι μετεωρολόγοι προσδοκούν σημαντικές βελτιώσεις στην ακρίβεια των προγνώσεων μέσω ακριβέστερων μετεωρολογικών παρατηρήσεων από δορυφόρους, βελτιωμένων μαθηματικών μοντέλων και ισχυρότερων υπολογιστών. Αυτές οι εξελίξεις θα επιτρέψουν την επεξεργασία μεγαλύτερου όγκου δεδομένων και την ενσωμάτωση τοπικών χαρακτηριστικών που επηρεάζουν τις αέριες μάζες.
Ωστόσο, σημειώνεται ότι οι σύγχρονοι μετεωρολόγοι έχουν επιτύχει εντυπωσιακή πρόοδο στις προγνώσεις καιρού τις τελευταίες δεκαετίες. Σύμφωνα με την Liz Bentley, καθηγήτρια μετεωρολογίας στο Πανεπιστήμιο του Reading και διευθύνουσα σύμβουλος της Βασιλικής Μετεωρολογικής Εταιρείας, οι ημερήσιες προγνώσεις καιρού επιτυγχάνουν ακρίβεια που ξεπερνά το 90%. Παρόλα αυτά, η εμπιστοσύνη του κοινού παραμένει περιορισμένη.
Έρευνα του YouGov αποκάλυψε ότι το 37% των Βρετανών δεν εμπιστεύεται τις προγνώσεις καιρού «πολύ» ή «καθόλου». Αυτό το ποσοστό δυσπιστίας εκπλήσσει, δεδομένης της υψηλής ακρίβειας που επιτυγχάνουν οι μετεωρολόγοι σήμερα. Τα αστεία για τις καιρικές προβλέψεις παραμένουν διαδεδομένα παγκοσμίως, υποδηλώνοντας ένα ευρύτερο πρόβλημα εμπιστοσύνης.
Η μετεωρολόγος Carol Kirkwood του BBC επισημαίνει ότι οι προσδοκίες του κοινού έχουν αυξηθεί δραματικά στην εποχή της άμεσης πρόσβασης στην πληροφορία. Ενώ μπορούμε να ελέγχουμε τη θερμοκρασία του ψυγείου μας από το κινητό, αναμένουμε παρόμοια ακρίβεια από τις προγνώσεις καιρού για συγκεκριμένες τοποθεσίες και ώρες.
Η επικοινωνία αυτού του πλούτου μετεωρολογικών δεδομένων αποτελεί σημαντική πρόκληση. Οι μετεωρολόγοι πρέπει να συμπυκνώσουν τεράστιους όγκους πληροφοριών σε σύντομες προβλέψεις για τηλεόραση ή εφαρμογές, γεγονός που μπορεί να προκαλεί σύγχυση στους θεατές.
Η ατμόσφαιρα λειτουργεί ως «χαοτικό σύστημα», όπου ακόμη και μικρότατα σφάλματα στις αρχικές παρατηρήσεις μπορούν να οδηγήσουν σε εντελώς διαφορετικά αποτελέσματα. Η καθηγήτρια Bentley εξηγεί: «Αυτό καλείται Θεωρία του Χάους ή Φαινόμενο της Πεταλούδας. Μια πεταλούδα που χτυπά τα φτερά της στη Βραζιλία μπορεί να επηρεάσει την ατμόσφαιρα στη βόρεια Ευρώπη έξι ημέρες αργότερα».
Ιδιαίτερη δυσκολία παρουσιάζουν οι προγνώσεις καιρού για μικρές γεωγραφικές περιοχές. Ενώ τη δεκαετία του 1990 τα καιρικά φαινόμενα έπρεπε να είναι μεγαλύτερα από 161 χιλιόμετρα για πλήρη παρατήρηση, σήμερα τα μοντέλα μπορούν να χαρτογραφήσουν φαινόμενα μόλις 3 χιλιομέτρων. Παρόλα αυτά, η πρόβλεψη φαινομένων όπως η πυκνή ομίχλη που επηρεάζει περιοχές 1 χιλιομέτρου παραμένει εξαιρετικά δύσκολη.
Η Carol Kirkwood τονίζει: «Η μεγαλύτερη πρόκληση της δουλειάς μου είναι να συνθέτω αυτά τα δεδομένα ώστε να χωρούν σε ένα σύντομο τηλεοπτικό σποτ». Ο Scott Hosking από το Alan Turing Institute προσθέτει ότι καμία άλλη επιστήμη δεν ελέγχεται και δεν κρίνεται τόσο από το ευρύ κοινό όσο η μετεωρολογία.
Οι μετεωρολόγοι έχουν αναπτύξει «προγνώσεις συνόλου», εκτελώντας 50 διαφορετικά μοντέλα με μικρές παραλλαγές. Όταν όλα τα σενάρια δείχνουν παρόμοια αποτελέσματα, η βεβαιότητα είναι υψηλή. Διαφορετικά αποτελέσματα υποδηλώνουν χαμηλότερη βεβαιότητα, γι' αυτό βλέπουμε ποσοστά πιθανότητας βροχής στις εφαρμογές.
Η μηχανική μάθηση αναμένεται να μεταμορφώσει τις προγνώσεις καιρού. Ενώ παραδοσιακά οι μετεωρολόγοι κερδίζουν 24 ώρες ακρίβειας ανά δεκαετία, τα μοντέλα AI της Google DeepMind ήδη προβλέπουν σωστά τον καιρό 15 ημέρες νωρίτερα.
Ερευνητές από το Πανεπιστήμιο του Cambridge παρουσίασαν το Aardvark Weather, ένα πλήρως βασισμένο σε AI πρόγραμμα που χρησιμοποιεί «χιλιάδες φορές» λιγότερη υπολογιστική ισχύ και προβλέπει με μεγαλύτερη λεπτομέρεια. Το σύστημα υπόσχεται βελτιωμένες προγνώσεις για τη δυτική Αφρική και άλλες φτωχές περιοχές.
Ο Richard Turner, καθηγητής μηχανικής μάθησης και σχεδιαστής του μοντέλου, χαρακτηρίζει την εξέλιξη «μεταμορφωτική και εξαιρετικά συναρπαστική».
Η καθηγήτρια Bentley εντοπίζει σημαντική αδυναμία στα μοντέλα AI: τροφοδοτούνται με ιστορικά δεδομένα και εκπαιδεύονται να εντοπίζουν μοτίβα, καθιστώντας δύσκολη την πρόβλεψη πρωτόγνωρων γεγονότων. «Με την κλιματική αλλαγή, θα δούμε νέα ρεκόρ. Μπορεί να δούμε 41°C στο Ηνωμένο Βασίλειο. Αλλά αν η AI κοιτάζει πάντα προς τα πίσω, δεν θα δει ποτέ 41 γιατί δεν το είχαμε ακόμη».
Ο καθηγητής Turner αναγνωρίζει την πρόκληση και επιβεβαιώνει ότι η ομάδα του εργάζεται σε λύσεις για αυτό το ζήτημα.
Γιατί οι μετεωρολόγοι δυσκολεύονται στις ακριβείς προβλέψεις καιρού
Ο διδάκτορας ΑΠΘ και μετεωρολόγος ΕΛΓΑ Μιχάλης Σιούτας επισημαίνει ότι η ακρίβεια των μετεωρολογικών προγνώσεων εξαρτάται από πολλαπλούς παράγοντες. Οι δυνατότητες των υπολογιστικών μοντέλων, η ανεπάρκεια του δικτύου μετρήσεων και η τοπική γεωμορφολογία επηρεάζουν σημαντικά τα αποτελέσματα. Η επαγγελματική εμπειρία και η επιστημονική κατάρτιση των μετεωρολόγων αποτελούν καθοριστικούς παράγοντες για την ποιότητα των προβλέψεων. Σχετικά με την κακοκαιρία EVA το 2022, ο κ. Σιούτας υποστηρίζει ότι η αίσθηση αποτυχίας προέκυψε από την υπερβολή ορισμένων ειδικών και των μέσων ενημέρωσης, καθώς και την ανάρμοστη χρήση των συστημάτων έκτακτης ανάγκης.Οι σύγχρονοι μετεωρολόγοι μπορούν να παρέχουν αξιόπιστες προγνώσεις καιρού για διάστημα έως επτά ημερών. Πέραν αυτού του χρονικού ορίου, το περιθώριο σφάλματος αυξάνεται δραματικά, καθιστώντας τις μακροπρόθεσμες προβλέψεις λιγότερο αξιόπιστες. Όλες οι μετεωρολογικές υπηρεσίες παγκοσμίως εφαρμόζουν συστήματα αξιολόγησης και βαθμολόγησης των προγνώσεων τους. Ωστόσο, ακόμη και αυτή η διαδικασία παρουσιάζει δυσκολίες, καθώς διαφορετικές ομάδες πληθυσμού αντιλαμβάνονται διαφορετικά τα καιρικά φαινόμενα.
Η σημασία της ακρίβειας ποικίλλει ανάλογα με τη δραστηριότητα που επηρεάζεται. Γεωργικές εργασίες, κατασκευαστικά έργα και θαλάσσιες μεταφορές απαιτούν υψηλότερη ακρίβεια στις προγνώσεις καιρού. Επιπλέον, η γεωγραφική θέση και η εποχή καθορίζουν την κρισιμότητα συγκεκριμένων μετεωρολογικών παραμέτρων.
Η επιστημονική διαδικασία πίσω από τις προγνώσεις καιρού
Τα μετεωρολογικά φαινόμενα εκδηλώνονται στην τροπόσφαιρα, το κατώτερο στρώμα της ατμόσφαιρας που εκτείνεται έως 12 χιλιόμετρα ύψος. Οι μετεωρολόγοι προβλέπουν θερμοκρασία, ταχύτητα και διεύθυνση ανέμου, ποσότητα βροχόπτωσης, χιονόπτωση, νέφωση και υγρασία για διάφορες περιοχές και μελλοντικές χρονικές περιόδους.Η σύγχρονη μετεωρολογία ακολουθεί τρία βασικά στάδια:
- Μετεωρολογική παρατήρηση και συλλογή δεδομένων
- Επεξεργασία και ανάλυση των μετρήσεων
- Κατασκευή προγνωστικών χαρτών και ερμηνεία τους
Ενώ παλαιότερα οι μετεωρολόγοι εκτελούσαν χειροκίνητα όλες τις διαδικασίες, σήμερα οι ηλεκτρονικοί υπολογιστές αναλαμβάνουν την κατασκευή των προγνωστικών χαρτών.
Μαθηματικά μοντέλα και τεχνολογικές εξελίξεις
Οι σύγχρονες προγνώσεις καιρού βασίζονται σε πολύπλοκες μαθηματικές εξισώσεις που περιγράφουν τη συμπεριφορά ατμοσφαιρικών παραμέτρων όπως άνεμος, θερμοκρασία, ατμοσφαιρική πίεση και υδρατμοί. Ένα τυπικό υπολογιστικό πλέγμα 50x50 σημείων για 10 ατμοσφαιρικά επίπεδα αντιπροσωπεύει 25.000 διαφορετικά σημεία υπολογισμών.Οι αρχικές μετεωρολογικές μετρήσεις εισάγονται ως βασικές τιμές στα ατμοσφαιρικά μοντέλα, και μέσω προγνωστικών εξισώσεων υπολογίζονται οι νέες τιμές κάθε παραμέτρου για συγκεκριμένα χρονικά διαστήματα.
Οι μετεωρολόγοι προσδοκούν σημαντικές βελτιώσεις στην ακρίβεια των προγνώσεων μέσω ακριβέστερων μετεωρολογικών παρατηρήσεων από δορυφόρους, βελτιωμένων μαθηματικών μοντέλων και ισχυρότερων υπολογιστών. Αυτές οι εξελίξεις θα επιτρέψουν την επεξεργασία μεγαλύτερου όγκου δεδομένων και την ενσωμάτωση τοπικών χαρακτηριστικών που επηρεάζουν τις αέριες μάζες.
Οι "επιτυχία" των σύγχρονων μετεωρολόγων
Ωστόσο, σημειώνεται ότι οι σύγχρονοι μετεωρολόγοι έχουν επιτύχει εντυπωσιακή πρόοδο στις προγνώσεις καιρού τις τελευταίες δεκαετίες. Σύμφωνα με την Liz Bentley, καθηγήτρια μετεωρολογίας στο Πανεπιστήμιο του Reading και διευθύνουσα σύμβουλος της Βασιλικής Μετεωρολογικής Εταιρείας, οι ημερήσιες προγνώσεις καιρού επιτυγχάνουν ακρίβεια που ξεπερνά το 90%. Παρόλα αυτά, η εμπιστοσύνη του κοινού παραμένει περιορισμένη.
Το χάσμα εμπιστοσύνης στις προγνώσεις καιρού και οι προσδοκίες
Έρευνα του YouGov αποκάλυψε ότι το 37% των Βρετανών δεν εμπιστεύεται τις προγνώσεις καιρού «πολύ» ή «καθόλου». Αυτό το ποσοστό δυσπιστίας εκπλήσσει, δεδομένης της υψηλής ακρίβειας που επιτυγχάνουν οι μετεωρολόγοι σήμερα. Τα αστεία για τις καιρικές προβλέψεις παραμένουν διαδεδομένα παγκοσμίως, υποδηλώνοντας ένα ευρύτερο πρόβλημα εμπιστοσύνης.Η μετεωρολόγος Carol Kirkwood του BBC επισημαίνει ότι οι προσδοκίες του κοινού έχουν αυξηθεί δραματικά στην εποχή της άμεσης πρόσβασης στην πληροφορία. Ενώ μπορούμε να ελέγχουμε τη θερμοκρασία του ψυγείου μας από το κινητό, αναμένουμε παρόμοια ακρίβεια από τις προγνώσεις καιρού για συγκεκριμένες τοποθεσίες και ώρες.
Η επικοινωνία αυτού του πλούτου μετεωρολογικών δεδομένων αποτελεί σημαντική πρόκληση. Οι μετεωρολόγοι πρέπει να συμπυκνώσουν τεράστιους όγκους πληροφοριών σε σύντομες προβλέψεις για τηλεόραση ή εφαρμογές, γεγονός που μπορεί να προκαλεί σύγχυση στους θεατές.
Η θεωρία του χάους και οι προγνώσεις καιρού
Η ατμόσφαιρα λειτουργεί ως «χαοτικό σύστημα», όπου ακόμη και μικρότατα σφάλματα στις αρχικές παρατηρήσεις μπορούν να οδηγήσουν σε εντελώς διαφορετικά αποτελέσματα. Η καθηγήτρια Bentley εξηγεί: «Αυτό καλείται Θεωρία του Χάους ή Φαινόμενο της Πεταλούδας. Μια πεταλούδα που χτυπά τα φτερά της στη Βραζιλία μπορεί να επηρεάσει την ατμόσφαιρα στη βόρεια Ευρώπη έξι ημέρες αργότερα».Ιδιαίτερη δυσκολία παρουσιάζουν οι προγνώσεις καιρού για μικρές γεωγραφικές περιοχές. Ενώ τη δεκαετία του 1990 τα καιρικά φαινόμενα έπρεπε να είναι μεγαλύτερα από 161 χιλιόμετρα για πλήρη παρατήρηση, σήμερα τα μοντέλα μπορούν να χαρτογραφήσουν φαινόμενα μόλις 3 χιλιομέτρων. Παρόλα αυτά, η πρόβλεψη φαινομένων όπως η πυκνή ομίχλη που επηρεάζει περιοχές 1 χιλιομέτρου παραμένει εξαιρετικά δύσκολη.
Η Carol Kirkwood τονίζει: «Η μεγαλύτερη πρόκληση της δουλειάς μου είναι να συνθέτω αυτά τα δεδομένα ώστε να χωρούν σε ένα σύντομο τηλεοπτικό σποτ». Ο Scott Hosking από το Alan Turing Institute προσθέτει ότι καμία άλλη επιστήμη δεν ελέγχεται και δεν κρίνεται τόσο από το ευρύ κοινό όσο η μετεωρολογία.
Οι μετεωρολόγοι έχουν αναπτύξει «προγνώσεις συνόλου», εκτελώντας 50 διαφορετικά μοντέλα με μικρές παραλλαγές. Όταν όλα τα σενάρια δείχνουν παρόμοια αποτελέσματα, η βεβαιότητα είναι υψηλή. Διαφορετικά αποτελέσματα υποδηλώνουν χαμηλότερη βεβαιότητα, γι' αυτό βλέπουμε ποσοστά πιθανότητας βροχής στις εφαρμογές.
Η επανάσταση της τεχνητής νοημοσύνης
Η μηχανική μάθηση αναμένεται να μεταμορφώσει τις προγνώσεις καιρού. Ενώ παραδοσιακά οι μετεωρολόγοι κερδίζουν 24 ώρες ακρίβειας ανά δεκαετία, τα μοντέλα AI της Google DeepMind ήδη προβλέπουν σωστά τον καιρό 15 ημέρες νωρίτερα.Ερευνητές από το Πανεπιστήμιο του Cambridge παρουσίασαν το Aardvark Weather, ένα πλήρως βασισμένο σε AI πρόγραμμα που χρησιμοποιεί «χιλιάδες φορές» λιγότερη υπολογιστική ισχύ και προβλέπει με μεγαλύτερη λεπτομέρεια. Το σύστημα υπόσχεται βελτιωμένες προγνώσεις για τη δυτική Αφρική και άλλες φτωχές περιοχές.
Ο Richard Turner, καθηγητής μηχανικής μάθησης και σχεδιαστής του μοντέλου, χαρακτηρίζει την εξέλιξη «μεταμορφωτική και εξαιρετικά συναρπαστική».
Οι προκλήσεις των μοντέλων AI
Η καθηγήτρια Bentley εντοπίζει σημαντική αδυναμία στα μοντέλα AI: τροφοδοτούνται με ιστορικά δεδομένα και εκπαιδεύονται να εντοπίζουν μοτίβα, καθιστώντας δύσκολη την πρόβλεψη πρωτόγνωρων γεγονότων. «Με την κλιματική αλλαγή, θα δούμε νέα ρεκόρ. Μπορεί να δούμε 41°C στο Ηνωμένο Βασίλειο. Αλλά αν η AI κοιτάζει πάντα προς τα πίσω, δεν θα δει ποτέ 41 γιατί δεν το είχαμε ακόμη».Ο καθηγητής Turner αναγνωρίζει την πρόκληση και επιβεβαιώνει ότι η ομάδα του εργάζεται σε λύσεις για αυτό το ζήτημα.
