Quando se trata de previsão do tempo, muitos parecem estar prontos para receber carros. Mas as pessoas ainda superam os algoritmos – especialmente em más condições.
O futuro do futuro
Quando os robôs prevêem o tempo lido agora
Salve esta história
Salve esta história
Por milênios, as pessoas tentaram prever mudanças climáticas usando as primeiras tradições – o “céu vermelho à noite” – um sinal otimista para os marinheiros cansados do mau tempo, que é realmente associado ao ar seco e alta pressão acima da região – bem como a vigilância de telhados pintados pela mão do mapa e regras locais. Essas diretrizes para prever o clima futuro foram baseadas em muitos anos de observação e experiência.
Então, na década de 1950, um grupo de matemáticos, meteorologistas e cientistas da computação liderados por John von Neumann, um famoso matemático que participou do projeto de Manhattan há muitos anos, e Yulom Charni, o físico da atmosfera, que era frequentemente considerado o pai da meteorologia dinâmica , experimentou a primeira previsão automática computadorizada.
Charni com uma equipe de cinco meteorologistas dividiu os Estados Unidos em (pelos padrões de hoje) seções bastante grandes, cada uma com uma área de mais de 700 quilômetros. Tendo lançado o algoritmo básico, que assumiu um campo de pressão em tempo real em cada indivíduo e o previu com um dia de antecedência, a equipe criou quatro previsões atmosféricas de 24 horas, cobrindo todo o país. A preparação de previsões levou 33 dias e noites completos. Embora os resultados estivessem longe de ser perfeitos, eles acabaram sendo bastante encorajadores para revolucionar a previsão do tempo e transferir essa área para a modelagem de computadores.
Nas décadas seguintes, bilhões de dólares em investimento e a evolução de computadores mais rápidos e compactos levaram a um forte aumento nas oportunidades de previsão. Agora, os modelos são capazes de interpretar a dinâmica das áreas da atmosfera com uma área de até 3 quilômetros e, desde 1960, começaram a incluir dados cada vez mais precisos provenientes de satélites meteorológicos.
Em 2016 e 2018, os satélites GO S-16 e-17 foram lançados em órbita, o que fez muitas melhorias, incluindo imagens com maior resolução e descoberta precisa de raios. Os modelos digitais mais populares – o Sistema de Previsão Global Americano (GFS) e o Centro Europeu de Previsões de Mi d-Ranen (ECMWF) – foram atualizados significativamente este ano, e novos produtos e modelos estão desenvolvidos mais rapidamente do que nunca. Com um toque simples de um dedo, podemos ter uma previsão climática incrivelmente precisa para nossa localização exata na superfície da Terra.
As previsões rápidas de Lightning de hoje, que são um produto de algoritmos avançados e coleta de dados globais, parecem estar a um passo da automação total. Mas eles ainda não são perfeitos. Apesar dos modelos caros, muitos satélites e megacomputadores modernos, as pessoas prevêem que as pessoas têm seu próprio conjunto de ferramentas. Experiência – sua capacidade de observar e estabelecer laços em que os algoritmos não podem fazer isso – oferecem a esses meteorologistas uma vantagem, graças às quais continuam a exceder máquinas meteorológicas brilhantes nas situações mais difíceis.
Mais popular
A ciência
Uma bomba demográfica de uma ação lenta está prestes a atingir a indústria de carne bovina
Matt Reynolds
Negócios
Dentro do complexo supe r-secreto Mark Zuckerberg no Havaí
Gatrine Skrimjor
Engrenagem
Primeira olhada em Matic, um aspirador de robô processado
Adrienne co
Negócios
Novas declarações de Elon Mask sobre a morte de um macaco estimulam novos requisitos para a investigação da SEC
Dhruv Mehrotra
De acordo com Andrew Devanas, um analista meteorológico operacional do Escritório do Serviço Meteorológico Nacional em Ki-Ueste, o estado da Flórida, embora os modelos sejam muito úteis para prever em larga escala, eles não são sensíveis, digamos, um pequeno fluxo crescente em Um pequeno quadrante de sushi, que indica o tornado de água de formação. Devanas vive perto de uma das regiões mais ativas do mundo onde são formadas Watterpauts – tornado do mar, capaz de danificar os navios que passam pelo Estreito da Flórida e até chegam à terra.
Se inscrever
Inscrev a-se na Wired e mantenh a-se a par de todas as suas idéias favoritas.
A mesma limitação torna difícil prever tempestades, precipitações extremas e tornados terrestres como os que devastaram o Centro-Oeste no início de dezembro, matando mais de 60 pessoas. Mas quando os tornados ocorrem em terra, os meteorologistas muitas vezes conseguem detectá-los procurando a sua assinatura de radar; as trombas d’água são muito menores e muitas vezes não possuem esse sinal. Em áreas tropicais como Florida Keys, o clima não muda muito de um dia para o outro, então Devanas e seus colegas tiveram que estudar manualmente as mudanças na atmosfera, como a velocidade do vento e a disponibilidade de umidade – variações que os algoritmos nem sempre levam em conta. —para entender se existe uma correlação entre determinados fatores e um risco aumentado de trombas d’água. Eles compararam essas observações com um índice de probabilidade modelado, que mostra a probabilidade de quedas de água, e descobriram que, com a combinação certa de medições atmosféricas, a previsão humana “superou” o modelo em todas as medidas de previsão de cachoeiras.
Da mesma forma, um estudo publicado pelo Diretor do Serviço de Previsão Meteorológica da NOAA, David Novak, e seus colegas mostra que, embora os meteorologistas humanos não consigam “vencer” os modelos num típico dia ensolarado e claro, eles ainda produzem previsões mais precisas do que algoritmos executados em mau tempo. Ao longo de duas décadas estudando as informações, a equipe de Nowak descobriu que os humanos são 20 a 40 por cento mais precisos na previsão da precipitação no futuro próximo do que o Sistema de Previsão Global (GFS) e o Sistema de Previsão de Mesoescala da América do Norte (NAM), os mais comumente usados. modelos nacionais. Os humanos também obtiveram melhorias estatisticamente significativas na previsão de temperatura em ambos os modelos.“Muitas vezes vemos que, em grandes eventos, os previsores podem fazer algumas melhorias nas recomendações automatizadas”, diz Novak.
Especialmente em condições desfavoráveis, melhorias significativas na previsão do modelo resultam geralmente da intervenção humana, acrescenta. Isto é ainda mais verdadeiro para eventos graves e localizados, como tempestades e tornados, que dependem de decisões em frações de segundo para salvar vidas. À medida que os analistas se familiarizam com um determinado modelo, começam a notar os seus preconceitos e deficiências, acrescenta Novak. Assim como o modelo aprende conosco, nós aprendemos com o modelo.”
Mais popular
A ciência
Uma bomba demográfica de uma ação lenta está prestes a atingir a indústria de carne bovina
Matt Reynolds
Negócios
Dentro do complexo supe r-secreto Mark Zuckerberg no Havaí
Gatrine Skrimjor
Engrenagem
Primeira olhada em Matic, um aspirador de robô processado
Adrienne co
Negócios
Novas declarações de Elon Mask sobre a morte de um macaco estimulam novos requisitos para a investigação da SEC
Dhruv Mehrotra
No Embry-Riddle Aeronautical College, no Arizona, o meteorologista Sean Milrad prepara aspirantes a meteorologistas para usar as muitas ferramentas agora à sua disposição. Milrad entrou neste campo no início dos anos 2000, quando os métodos de previsão dominantes mudaram de técnicas mais antigas para modelos meteorológicos numéricos e observações automatizadas.
Estas tecnologias têm desempenhado um papel crítico nos avanços recentes na ciência atmosférica, mas Milrad adverte os seus alunos contra a complacência e a dependência de modelos de dados automatizados.
“Se pretendem prever a precipitação, precisam de ser capazes de defendê-la analisando os processos e mecanismos físicos que vêem nos mapas”, diz Milrad. Ele vê valor no uso contínuo de regras práticas e técnicas de reconhecimento de padrões, não apenas como uma ferramenta de ensino, mas também para proteger contra a perda de experiência vital que os meteorologistas usam em situações climáticas difíceis ou quando os modelos não correspondem à realidade. Há um velho ditado que diz: “Todos os modelos estão errados, mas alguns são úteis”, diz Milrad. Mesmo que seja uma ótima previsão, ainda estará um pouco errada. É sobre como você pode agregar valor a esse modelo.”
Além disso, embora as previsões computacionais melhorem com o tempo, o caminho para a automação total enfrenta uma série de desafios que exigem aumentos significativos no poder computacional e um preço multibilionário. Em 2018, o Departamento de Energia financiou o desenvolvimento de três computadores em exaescala capazes de realizar 10 18 cálculos por segundo. O primeiro deles, o supercomputador Aurora em desenvolvimento no Laboratório Nacional Argonne, em Illinois, deverá entrar em operação em 2022 e será capaz de realizar 1 quintilhão de cálculos por segundo, mas vários campos científicos diferentes estão competindo pelo acesso ao seu enorme poder computacional. . Além disso, a infraestrutura existente poderá estar em risco, uma vez que a implantação total do 5G ameaça interferir com vários satélites meteorológicos importantes. A interferência de rádio pode degradar a qualidade das observações de vapor de água por satélite e potencialmente atrasar as capacidades de previsão em décadas.
Na verdade, o futuro da previsão meteorológica precisa pode depender menos da automação e mais de uma solução mais mundana: o apoio financeiro. Graças aos avanços tecnológicos na previsão do tempo e na meteorologia, os meteorologistas que anteriormente lidavam com os aspectos mais tediosos do trabalho agora podem se concentrar em condições meteorológicas severas, na pesquisa e na comunicação de informações críticas sobre riscos e preparação para agências e pessoas que vivem em sua região. Para continuar este importante trabalho, o Serviço Meteorológico Nacional, do qual depende grande parte da nossa infra-estrutura meteorológica, deve ser adequadamente financiado.
