Monsterstormen kommer. Bilde takket være National Weather Service
Jeg fikk et av disse øyeblikkene i det moderne liv frakoblet. Jeg kikket ned og så på værkartet at den massive ekle utseende virvlingen gikk på denne veien. Jeg så opp og så den blide flimring av bladene på lønnetreet ut bakover.
Det var en merkelig følelse, å sitte i det stille mens du stirret på den sannsynlige banen til ødeleggelse og strømbrudd elendighet Orkanen Sandy vil følge de neste dagene. Men for all angsten som førte, var det bedre å vite enn ikke. Alle på østkysten har hatt tre hele dager på seg til å kjøpe batterier og toalettpapir.
Sannsynligvis vil noen mennesker i nærheten av havet som fikk beskjed om å evakuere, si at det ikke var nødvendig og vil klage på upresisjonen til datamaskinmodellene som drev disse beslutningene. Sannheten er imidlertid at vitenskapen om værvarsling har blitt bemerkelsesverdig presis.
Som Nate Silver påpekte i New York Times forrige måned, har værmeldere blitt trollmenn i prediksjonsvirksomheten, langt mer nøyaktige enn politiske forståsegpåere eller økonomiske analytikere. I sitt stykke, med tittelen “The Weatherman Is Not a Moron”, skriver Silver:
"Kanskje har de mest imponerende gevinstene vært ved prognoser for orkaner. For bare 25 år siden, da National Hurricane Center prøvde å forutsi hvor en orkan skulle treffe tre dager i forkant av landfall, bommet den i gjennomsnitt 350 mil. Hvis orkanen Isaac, som tok sin uforutsigbare sti gjennom Mexicogulfen i forrige måned, hadde skjedd på slutten av 1980-tallet, kunne senteret ha anslått landfall hvor som helst fra Houston til Tallahassee, og kansellert utallige tusenvis av forretningsavtaler, flyreiser og piknik imellom - og skader omdømmet sitt da orkanen nullen i hundrevis av kilometer unna. Nå er gjennomsnittlig glipp bare rundt 100 mil. ”
Et tallspill
Så hvorfor den dramatiske forbedringen? Det kommer ned på tall, i utgangspunktet antall beregninger som dagens superdatamaskiner er i stand til å gjøre. Ta for eksempel en enorm datamaskinoperasjon som kom på nettet i Wyoming for noen uker siden for National Center for Atmospheric Research (NCAR). Det kalles Yellowstone, og det kan kjøre en forbløffende 1, 5 kvadrillion beregninger per sekund.
Sagt på en annen måte, Yellowstone kan gjøre ferdig på ni minutter en kortvarig værmelding som ville tatt forgjengeren tre timer å fullføre. Det vil være i stand til å begrense fokuset for analysen betydelig til et mindre geografisk område, ved å ta den typiske 60 kvadratkilometer store enheten som brukes i denne typen datamodellering og krympe den ned til syv kvadrat miles. Det er som å skru opp forstørrelsen av et mikroskop, og gi et nivå av datadetaljer som gjør en mer presis prediksjon mulig.
Her er det ifølge NCAR hva det vil bety i sporing av tornadoer og voldelige tordenvær:
"Forskere vil kunne simulere disse små, men farlige systemene i bemerkelsesverdig detalj, og zoome inn på bevegelse av vind, regndråper og andre funksjoner på forskjellige punkter og tidspunkter i en individuell storm. Ved å lære mer om strukturen og utviklingen av alvorlig vær, vil forskere kunne hjelpe prognosemakere med å levere mer nøyaktige og spesifikke spådommer, for eksempel hvilke steder i et fylke som mest sannsynlig vil oppleve en tornado i løpet av den neste timen. "
Å bryte det ned
Når en superdatamodell modellerer vær, bruker den millioner av tall som representerer faktorer som temperatur, barometrisk trykk, vind osv., Og analyserer dem gjennom et rutenettsystem i mange vertikale nivåer, starter ved jordoverflaten og stiger helt opp til stratosfæren. Jo flere datapunkter den kan behandle på en gang, jo mer nøyaktig kan den måle hvordan elementene samvirker og former værmønstre og bevegelse.
Men Nate Silver hevder at en av tingene som gjør værforskere til bedre prediktorer enn sine kolleger på andre felt, er deres erkjennelse av at verken de eller antallet deres er perfekte. Ikke bare har de lært å bruke sin personlige kunnskap om værmønster for å tilpasse seg noen av begrensningene ved datamodellering - det er ikke veldig bra til å se det store bildet eller gjenkjenne gamle mønstre hvis de til og med er blitt manipulert litt - men de har også blitt mer villige til å offentlig erkjenne usikkerheten i sine prognoser.
National Hurricane Center, for eksempel, viser ikke lenger en eneste linje for å representere det forventede sporet av en storm. Nå gir det diagrammer som viser et utvidet fargespor som indikerer områder med størst risiko, et symbol som har blitt kjent som "kaosens kjegle."
Ved å akseptere feilene i kunnskapen sin, sier Silver, forstår nå værforskere at "selv de mest sofistikerte datamaskinene, som kombinerer tilsynelatende ubegrensede data, er smertelig dårlige utstyrt til å forutsi noe så dynamisk som vær alene."
I mellomtiden, her inne i kaoset av kaos, er det på tide å begynne å øve seg på å lese med lommelykt.
Ekstreme tiltak
Her er andre nyere utviklinger relatert til teknologi og ekstremvær:
- Hva vi ikke trenger å høre: På grunn av feilstyring og manglende finansiering vil USA sannsynligvis ha et gap i satellittdekning i løpet av en nær fremtid, noe som betyr at det ville være uten et av de viktigste verktøyene de bruker for å spore banen til stormer.
- Ting som går i natt: Nye smarte radarsystemer på fly vil gjøre det lettere for piloter å lokalisere og unngå voldelige tordenvær.
- Definitivt ikke et sted å sitte fast: Kina har startet prøvekjøringer av verdens første høyhastighets jernbanelinje som er bygget for å tåle temperaturer helt ned til 40 under null.
Videobonus: Her er det siste fra Weather Channel på sporet av orkanen Sandy.
Mer fra Smithsonian.com
Tre fjerdedeler av amerikanere tror nå at klimaendringer påvirker været
Kan vi gjøre noe med dette været?
