Γιατί οι προγνώσεις του καιρού δεν θα είναι ποτέ 100% ακριβείς;

Πηγή εικόνας: pixabay.com

Όλοι γνωρίζουμε πως η πρόγνωση των καιρικών φαινομένων είναι ζωτικής σημασίας καθώς μπορεί να προκαλέσουν ζημιές, ακόμη και θανάτους. Φυσικά η επιστήμη της μετεωρολογίας τις τελευταίες δεκαετίες έχει σημειώσει θεαματική πρόοδο με αποτέλεσμα πιο αξιόπιστες προγνώσεις. Πέρα από κάθε αμφισβήτηση ωστόσο, οι μετεωρολόγοι αντιμετωπίζουν πολλές δυσκολίες για μια ακριβή πρόγνωση του καιρού, ειδικά όταν πρόκειται για τοπικές προγνώσεις. Σε αυτές τις δυσκολίες, λοιπόν, θα εστιάσουμε σε αυτό το άρθρο.

Τι είναι πρόγνωση

Για τον καιρό ισχύει το: «Πες μου τι είσαι, να σου πω τι θα είσαι», από το «…τι είσαι» μέχρι το «…τι θα είσαι» υπάρχει ένας δρόμος που ονομάζεται πρόγνωση. Πρόγνωση του καιρού, δηλαδή, σημαίνει η γνώση της μεταβολής -των βαρομετρικών συστημάτων- του καιρού μετά από ένα ορισμένο χρονικό διάστημα.

Οι μετεωρολόγοι έχουν επινοήσει μαθηματικά μοντέλα ( υπερυπολογιστές ) με βάση τις γνώσεις από τη Φυσική της ατμόσφαιρας και τα μαθηματικά. Προσπαθούν με αυτόν το τρόπο να προβλέψουν τις «προθέσεις» της ατμόσφαιρας καθώς, κάθε κίνηση και μεταβολή που λαμβάνει χώρα στην ατμόσφαιρα υπακούει σε ορισμένους φυσικούς νόμους που μπορεί να περιγραφούν με μαθηματικές εξισώσεις.

Επίσης, με βάση τα παραπάνω, πρέπει να έχουμε στο νου μας ότι η λέξη πρόγνωση ταυτίζεται σημαντικά με τη λέξη πιθανότητα. Τα μαθηματικά μοντέλα δίνουν πάντα την πιο πιθανή εξέλιξη του καιρού… την πιο πιθανή!

Με την έκφραση «η πιθανότητα βροχής στην Αττική είναι 35%» εννοούμε ότι υπάρχει πιθανότητα 35% να βρέξει σε κάθε σημείο της Αττικής. Ακόμη, η έκφραση «Αύριο το πρωί υπάρχει πιθανότητα να βρέξει τοπικά στην Αθήνα»,  συγκαλύπτει σχεδόν κάθε αποτυχία καθώς περιλαμβάνει και τις περιοχές που θα βρέξει αλλά και αυτές που δεν θα επηρεαστούν. Καταλάβατε τι γίνεται; Ο μετεωρολόγος δεν γνωρίζει αν θα ξεκινήσει να βρέχει στο Θησείο στις 9.23 π.μ, όμως καλό θα ήταν να πάρεις μαζί σου ομπρέλα αύριο το πρωί!

ΔΙΑΒΑΣΤΕ ΑΚΟΜΑ

Τα μαθηματικά μοντέλα πρόγνωσης του καιρού

Πριν προχωρήσουμε στην ανάλυση των προβλημάτων καλό θα ήταν να εξηγήσουμε περιληπτικά και με απλά λόγια την διαδικασία που ακολουθούν τα μοντέλα πρόγνωσης του καιρού. Θα δούμε ότι η διαδικασία περικλείει την έννοια του ντετερμινισμού. Ουσιαστικά, αυτό που κάνουν τα μοντέλα αυτά είναι να προσομοιώνουν την ατμόσφαιρα λύνοντας προσεγγιστικά κάποιες εξισώσεις.

Από τους μετεωρολογικούς σταθμούς πραγματοποιείται συλλογή δεδομένων για κάθε μετεωρολογική παράμετρο. Έπειτα, από τα δεδομένα αυτά αφαιρείται κάθε είδους ανομοιογένεια. Π.χ. αν ένας σταθμός αναφέρει θερμοκρασία 96 βαθμούς προφανώς πρόκειται για κάποια βλάβη στον σταθμό και η καταγραφή αυτή δεν ισχύει. Τα δεδομένα αυτά στη συνέχεια εισάγονται ως αρχικές συνθήκες στα μοντέλα. Τα αποτελέσματα (αποτελέσματα Α) είναι η εξέλιξη του καιρού π.χ. 6 ώρες αργότερα (ανάλογα με το χρονικό βήμα του εκάστοτε μοντέλου). Τα αποτελέσματα Α θα χρησιμοποιηθούν ως αρχικές συνθήκες για να προκύψουν τα αποτελέσματα Β, τα οποία είναι η εξέλιξη του καιρού 12 ώρες αργότερα. Τα αποτελέσματα Β θα χρησιμοποιηθούν ως αρχικές συνθήκες κ.ο.κ. Δηλαδή ακολουθούν μια επαναληπτική διαδικασία που λέγεται ανατροφοδότηση (feedback).

Οι δυσκολίες στην ακρίβεια της πρόγνωσης

Όλη αυτή η διαδικασία της πρόγνωσης έχει πολύπλοκα προβλήματα που λύνονται με αρκετές παραδοχές. Οι παραδοχές αυτές φυσικά βάζουν περιορισμούς στην ακρίβεια των προγνώσεων, παρά την αλματώδη πρόοδο που έχει συντελεστεί στην τεχνολογία. Οι δυσκολίες αυτές, που αναφέρονται και στον δεύτερο Τόμο του μετεωρολόγου Δημήτρη Ζιακόπουλου με τίτλο ¨Καιρός. Ο γιος της Γης και του Ήλιου¨, είναι:

Α) Ο μικρός αριθμός παρατηρήσεων από περιοχές στις οποίες δεν υπάρχει πρόσβαση ή που ανήκουν σε κράτη με μικρό οικονομική δυνατότητα εγκατάστασης και λειτουργίας Μετεωρολογικών Σταθμών. Τέτοιες περιοχές είναι οι ωκεανοί, οι έρημοι, η Σιβηρία κ.α.

Β) Οι ανομοιογένειες στις μετεωρολογικές παρατηρήσεις.

Γ) Το πεπερασμένο πλήθος των δεκαδικών ψηφίων με τα οποία αναγκαστικά απεικονίζονται οι τιμές των μετεωρολογικών παραμέτρων.

Δ) Η χρησιμοποίηση προσεγγιστικών (αριθμητικών) μεθόδων για τη λύση των μαθηματικών εξισώσεων-νόμων που περιγράφουν τη λειτουργία της ατμόσφαιρας.

Ε) Η αντικειμενική αδυναμία παραμετροποίησης όλων των φυσικών διαδικασιών που λαμβάνουν χώρα στην πραγματική ατμόσφαιρα και των λεπτομερειών της ορογραφίας και της φύσης τους εδάφους που έχουν επίδραση στον καιρό.

ΣΤ) Η χαοτική συμπεριφορά της ατμοσφαιρικής κυκλοφορίας που ανακάλυψε το 1963 ο Έντουαρντ Λόρεντζ. Με τον όρο χάος εννοούμε ότι μικρές διαταραχές, τόσο μικρές όπως είναι οι αναταράξεις του αέρα που προκαλεί με τα φτερά της μία πεταλούδα, μπορούν να επηρεάσουν δραματικά το τελικό αποτέλεσμα. Ο θεμελιωτής της θεωρίας του χάους είχε πει: ακόμα και με τέλεια μοντέλα και τέλειες παρατηρήσεις η χαοτική φύση της ατμόσφαιρας θα επέβαλε ένα άνω χρονικό όριο στην πρόγνωση του καιρού περίπου δύο εβδομάδων.

Συμπεράσματα

Σήμερα η πρόγνωση μέχρι και την 3η ημέρα έχει πολύ μεγάλη ακρίβεια με ποσοστό επιτυχίας έως 90%. Η ασφαλής πρόγνωση φτάνει μέχρι την 5η ημέρα, ενώ μέχρι την 7η ημέρα επιτυγχάνεται επαλήθευση σε ποσοστό 65%. Από πολλά γραφεία εκδίδονται μέχρι και 10ήμερες προγνώσεις.

Η διαδικασία της αριθμητικής πρόγνωσης καιρού, με τη λογική που αναλύθηκε παραπάνω, αποτέλεσε ένα από τα πιο πολύπλοκα προβλήματα με τα οποία ασχολήθηκε ποτέ η επιστήμη.

 

Πηγές:

Ζιακόπουλος Δ., (2009) Καιρός, Ο Γιος Του Ήλιου Και Της Γης, Η Πρόγνωση, Βιβλίο.

Ιωάννου Γ.Θ., (2016) Η Ανάσα του Ουρανού, Βιβλίο


Λίγα λόγια για τον συντάκτη

Σωτήρης Αρσένης

Τελειόφοιτος σχολής Περιβάλλοντος, Γεωγραφίας και Εφαρμοσμένων Οικονομικών

Εβδομαδιαία ενημέρωση απο το maxmag στο email σου

Η ενημέρωση σου, για όλα τα θέματα, επί παντός επιστητού, είναι προτεραιότητα για μας στο MAXMAG. Αυτός είναι κ ο λόγος, για τον οποίο κάθε εβδομάδα οι συντάκτες μας θα επιλέγουν τα 15 σημαντικότερα άρθρα, από όλες τις στήλες του περιοδικού και θα φροντίζουμε να τα λαμβάνεις απευθείας στο email σου. Όλες οι σημαντικές ειδήσεις θα σε περιμένουν να τις ανοίξεις. Το μόνο που χρειάζεται να κάνεις είναι μια εγγραφή στο Newsletter μας. Τι περιμένεις λοιπόν;