Vejrprognoser hjælper dig med at beslutte, om du skal gå til en picnic, hænge din vask eller køre på din cykel til arbejde. De giver også advarsler om ekstreme begivenheder og forudsigelser for at optimere vores elnettet.
For at opnå dette bruger tjenester som det australske Bureau of Meteorology komplekse matematiske repræsentationer af Jorden og dets atmosfære – vejr- og klimamodeller.
Den samme software bruges også af forskere til at forudsige vores fremtidige klima i de kommende årtier eller endda århundreder. Disse forudsigelser giver os mulighed for at planlægge eller undgå virkningerne af fremtidige klimaændringer.
Vejr- og klimamodeller er meget komplekse. Det australske samfundsklima- og jordsystemsimulator består for eksempel af millioner af linjer med computerkode.
Uden klima- og vejrmodeller ville vi flyve blinde, både til kortvarige vejrbegivenheder og for vores langsigtede fremtid. Men hvordan fungerer de – og hvordan er de forskellige?
De samme fysiske principper
Vejret er den kortsigtede opførsel af atmosfæren-temperaturen på en given dag, vinden, hvad enten det regner og hvor meget. Klimaet er omtrent langsigtet statistik over vejrbegivenheder-den typiske temperatur om sommeren, eller hvor ofte tordenvejr eller oversvømmelser sker hvert årti.
Årsagen til at vi kan bruge de samme modelleringsværktøjer til både vejr og klima er fordi de begge er baseret på de samme fysiske principper.
Disse modeller kompilerer en række faktorer – solens stråling, luft- og vandstrøm, landoverflade, skyer – i matematiske ligninger. Disse ligninger løses på en masse små tredimensionelle gitterkasser og samles for at forudsige den fremtidige tilstand.
Disse kasser er slags som pixels, der mødes for at gøre det store billede.
Disse løsninger beregnes på en computer – hvor brug af flere gitterbokse (finere opløsning) giver bedre svar, men tager flere computerressourcer. Dette er grunden til, at de bedste forudsigelser har brug for en supercomputer, såsom National Computational Infrastructure’s Gadi, der ligger i Canberra.
Fordi vejr og klima styres af de samme fysiske processer, kan vi bruge den samme software til at forudsige begge opførsel.
Men der slutter de fleste af lighederne.
Udgangspunktet
De største forskelle mellem vejr og klima kommer ned til et enkelt koncept: “initialisering” eller udgangspunktet for en model.
I mange tilfælde er den enkleste forudsigelse for morgendagens vejr “persistens” -prognosen: morgendagens vejr vil svare til i dag. Det betyder, at uanset hvor god din model er, hvis du starter fra de forkerte forhold for i dag, har du ikke noget håb om at forudsige i morgen.
Persistensprognoser er ofte ret gode til temperatur, men de er mindre effektive til andre aspekter af vejr som nedbør eller vind. Da dette ofte er de vigtigste aspekter af vejr at forudsige, har meteorologer brug for mere sofistikerede metoder.
Så vejrmodeller bruger komplekse matematik til at skabe modeller, der inkluderer vejrinformation (fra i går og i dag) og derefter gøre en god forudsigelse af morgendagen. Disse forudsigelser er en stor forbedring af vedholdenhedsprognoser, men de vil ikke være perfekte.
Derudover, jo længere foran du prøver at forudsige, jo mere information du glemmer den oprindelige tilstand og jo værre din prognose fungerer. Så du skal regelmæssigt opdatere og køre (eller, bruge modellering af parlance, “initialiserer”) modellen for at få den bedste forudsigelse.
Vejrtjenester i dag kan pålideligt forudsige tre til syv dage fremover, afhængigt af regionen, sæsonen og den involverede vejrsystemer.
Kaos hersker
Hvis vi kun nøjagtigt kan forudsige vejrsystemer omkring en uge foran, før kaos overtager, har klimamodeller ikke noget håb om at forudsige en bestemt storm næste århundrede.
I stedet bruger klimamodeller en helt anden filosofi. De sigter mod at producere den rigtige type og hyppighed af vejrbegivenheder, men ikke en specifik prognose for det faktiske vejr.
Den kumulative effekt af disse vejrbegivenheder producerer klimatilstanden. Dette inkluderer faktorer som den gennemsnitlige temperatur og sandsynligheden for ekstreme vejrbegivenheder.
Så en klimamodel giver os ikke et svar baseret på vejrinformation fra i går eller i dag – den køres i århundreder for at producere sin egen ligevægt for en simuleret jord.
Fordi det køres så længe, er en klima (også kendt som Earth System) -model nødt til at redegøre for yderligere, længerevarende processer, der ikke er taget i vejrmodeller, såsom havcirkulation, kryosfæren (de frosne dele af planeten) , den naturlige kulstofcyklus og kulstofemissioner fra menneskelige aktiviteter.
Den ekstra kompleksitet af disse ekstra processer kombineret med behovet for århundrede lange simuleringer betyder, at disse modeller bruger en masse computerkraft. Begrænsninger for beregning betyder, at vi ofte inkluderer færre gitterkasser (det vil sige lavere opløsning) i klimamodeller end vejrmodeller.
En maskinlæringsrevolution?
Er der en hurtigere måde?
Der er gjort enorme fremskridt i de sidste par år for at forudsige vejret med maskinlæring. Faktisk kan maskinlæringsbaserede modeller nu overgå fysikbaserede modeller.
Men disse modeller skal trænes. Og lige nu har vi utilstrækkelige vejrobservationer til at træne dem. Dette betyder, at deres træning stadig skal suppleres med output fra traditionelle modeller.
Og på trods af nogle opmuntrende nylige forsøg, er det ikke klart, at maskinlæringsmodeller vil være i stand til at simulere fremtidige klimaændringer. Årsagen kommer igen ned på træning – især vil den globale opvarmning flytte klimasystemet til en anden tilstand, som vi overhovedet ikke har observationsdata til at træne eller verificere en forudsigelig maskinlæringsmodel.
Nu mere end nogensinde er klima- og vejrmodeller afgørende digital infrastruktur. De er magtfulde værktøjer til beslutningstagere såvel som forskere. De giver væsentlig støtte til landbrug, ressourcestyring og katastrofeaktion, så det er vigtigt at forstå, hvordan de fungerer.