Прогнозы погоды постоянно улучшаются благодаря совершенствованию прогностических моделей, использованию новых данных — спутниковой информации, данных с поверхности океанови высокопроизводительным вычислениям. Уже сегодня осуществляются попытки создания гиперлокальных метеорологических прогнозов.
Джим Витт (Jim Witt), ветеран метеорологии, вспоминает «Великую метель» 1947 года, которая, возникнув без метео-предупреждения, парализовала северо-восток США. «Никто и не предполагал, что может что-то такое произойти,» — вспоминает он. Даже во время этой метели, после которой уровень снежного покрова в Нью-Йорке вырос на 67 см, метеобюро предсказывали лишь легкий снегопад. По словам Витта, после того как неверные прогнозы выдавались на протяжении целого дня, метеобюро предсказали вторую метель, хотя небо уже начало проясняться.
С той поры мы достигли многого. За последние 30 лет прогнозирование погоды превратилось из набора разрозненных, и во многом субъективных, методик в науку. В значительной мере этот прогресс был достигнут за счет успешного слияния различных технологий сбора метеорологических данных, совершенствования прогностических моделей и высокопроизводительных вычислений (High-performance computing, HPC).
От кустарных методов до высокопроизводительных компьютеров
Вплоть до недавнего времени прогнозы погоды составлялись вручную, с применением весьма неточных инструментов, начерченных от руки карт и протяженных числовых таблиц, работа с которыми угрожала глазам переутомлением. В лучшем случае прогнозы оказывались приемлемо достоверными лишь на ближайшие 12 часов. Сегодня мы научились предсказывать погоду с точностью до 95% уже на семь дней.
Хотя современная метеорология кажется чем-то магическим, в реальности она опирается на колоссальные вычисления.
«Метеорологическое прогнозирование идёт, держась за руку с высокопроизводительными вычислениями,» — отмечает Питер Нейлли (Peter Neilley), старший вице-президент по научным исследованиям в сфере глобального прогнозирования в The Weather Company. Партнерские отношения метеорологов и компьютерщиков зародились ещё в дни ENIAC, одного из первых в мире компьютеров общего назначения.
Поскольку физические основы погодных явлений описываются сложными дифференциальными уравнениями термодинамики в частных производных, прогнозирование погоды невозможно без использования HPC.
«Проблема изучения погодных явлений всегда требовательна к вычислительным мощностям, — добавляет г-н Нейлли. mdash; Многие из самых производительных суперкомпьютеров в мире используются для решения задач, связанных с прогнозированием погоды».
Чтобы сделать прогнозы более точными, необходимо больше вычислительных ресурсов.
«Мы применяем массивно-параллельную обработку на суперкомпьютерах с десятками тысяч процессоров, большой емкостью памяти и очень высокой пропускной способностью для передачи данных, с которыми работают наши оперативные модели,» — рассказывает Виджай Таллапрагада (Vijay Tallapragada), сотрудник американского Национального управления по исследованию океанов и атмосферы (NOAA).
Официальное название этого суперкомпьютера — Оперативная суперкомпьютерная погодно-климатическая система (WCOSS), ею пользуются Национальные прогностические центры при NOAA. По словам г-на Таллапрагады, суперкомпьютер — это «комбинация двух идентичных Linux-кластеров, построенных специалистами IBM и Cray, один из которых выполняет основные производственные функции, а другой используется для разработок и резервирования».
Г-н Таллапрагада возглавляет отдел моделирования и усвоения данных в Центре моделирования погоды NOAA в Колледж-Парке, штат Мэриленд. Также он осуществляет практическое руководство группой физического моделирования NOAA. С его точки зрения самым впечатляющим аспектом суперкомпьютерной системы можно назвать ее способность выдавать сфокусированные прогнозы с очень высокой степенью разрешения и детализации, позволяющей разглядеть тревожные признаки.
«Разрешение нашей глобальной модели возросло с 375 кв. км (около 145 кв. миль) в 1980 году до 13 кв. км (примерно 5 кв. миль) в 2015 году. Это пропорционально увеличению быстродействия HPC с 0,5 Терафлопс до 2 Петафлопс», — добавляет г-н Таллапрагада.
Он и другие ученые-метеорологи планируют добиться еще более высокой разрешающей способности с помощью суперкомпьютера Экзафлопсного класса, который выполняет квинтиллионы вычислительных операций в секунду. Один Экзафлопс эквивалентен 1000 Петафлопсов. Компьютеры Экзафлопсного класса дадут ученым возможность прогнозировать погодные явления для конкретных районов или очень небольших территорий.
«Ожидается, что к 2019 году Глобальная система предсказаний нового поколения будет выдавать глобальные прогнозы с высоким разрешением [около 10 кв. км или 4 кв. миль] и значительно более высокой точностью», — отмечает г-н Таллапрагада.
Чем выше будет степень разрешения, тем лучше окажется способность синоптиков заглядывать в будущее. Например, «Буря столетия 1993» была предсказана за пять дней до того как она обрушилась на восток США. Мощный ураган «Сэнди», также атаковавший США с востока в 2013 году, был спрогнозирован за девять дней.
«За последние пять-шесть десятилетий точность прогнозов повышалась примерно на один день каждые десять лет», — отмечает г-н Нейлли. Другими словами, сегодняшние прогнозы на пять дней столь же точны, как четырехдневные прогнозы в 2007 году или трехдневные прогнозы в 1997 году. «В последние десятилетия темп усовершенствований был достаточно стабильным, во многом благодаря наращиванию суперкомпьютерных возможностей».
Когда квантовые вычисления станут доступными на практике, суперкомпьютеры обретут быстродействие, позволяющее прогнозировать микро-метеорологические события, такие как образование отдельных облаков или вихрей.
Уже на нашем веку мы получим возможность предсказывать погоду во дворе или на крыше своего дома.
А пока — качество метеопрогнозирования будет стабильно возрастать, в том числе благодаря запуску новых спутников — Геостационарного спутника для исследований окружающей среды (GOES)-16 и Совместной полярная спутниковая система (JPSS). «Эти новые спутники существенно расширят масштабы наших наблюдений и повысят качество прогнозов», — говорит г-н Таллапрагада.
Более масштабные наблюдения играют важную роль, поскольку за счет этого увеличивается объем исходных данных для сложнейших моделей, которыми пользуются для метеопрогнозирования такие организации как NOAA. Чем больше информации в вашем распоряжении, тем выше точность модели.
«Практически вся работа NOAA, включая составление прогнозов и выдачу предупреждений населению США, осуществляется на основе погодного моделирования, — говорит г-н Таллапрагада. mdash; Высокопроизводительные компьютерные системы необходимы нам для эффективного погодного моделирования и для постоянного совершенствования наших оперативных прогнозов и предупреждений».
Хороший прогноз для предсказания погоды
Безусловно, прогрессу метеопрогнозирования способствовало развитие в таких областях как работа с большими объемами информации и массивно-параллельные вычисления. Поэтому вполне справедлив вопрос о том, почему ученые-метеорологи не прибегают к активному использованию искусственного интеллекта и машинного обучения. Частично это проблема информации, точнее, её отсутствия. Отсутствует достаточный для эффективного использования прогностического потенциала искусственного интеллекта объем исторических погодных данных.
«У нас нет надежных архивных данных за прошлые тысячелетия. Если вы хотите предсказать потоп, происходящий один раз в 1000 лет, искусственный интеллект может оказать действенную поддержку при наличии точной информации за 1000 лет. Таких данных у нас нет».
Спутники — лучший на сегодня источник погодных данных. Однако первые метеоспутники были запущены всего несколько десятков лет назад. Прошло не так много времени, чтобы собрать тот объем спутниковых данных, который требуется для серьезной поддержки со стороны ресурсов искусственного интеллекта.
«Независимо от масштабов обучения, искусственный интеллект и методики машинного обучения оказываются неэффективными, — добавляет г-н Таллапрагада. mdash; Метеорологическая наука в основном опирается на взаимодействующие нелинейные системы. То, что происходило вчера, не обязательно описывает то, что будет происходить сегодня или завтра. Исторические данные не являются истинным отражением постоянных изменений, происходящих в земной атмосфере».
Несмотря на эти трудности, ученые-метеорологи продолжают возлагать большие надежды на методики когнитивного обучения. «Существует огромный потенциал применения искусственного интеллекта и машинного обучения в последующей обработке и калибровке [корректировке искажений] выходных данных моделей для оптимизации прогнозирования, — говорит г-н Таллапрагада, — Мы планируем изучить возможности их использования для контроля качества результатов наблюдений, доработки анализов и прогнозов и выдачи прогнозных продуктов, сформированных с помощью различных оперативных моделей».
По мнению г-на Витта, в прогнозировании погоды по-прежнему нужна обычная человеческая интуиция, причем он не исключает, что предсказания суперкомпьютеров тоже нужно ставить под сомнение. Однако, при повышении точности компьютерных моделей нет никакого смысла их отвергать.
«Раньше частенько говорили, что метеорологи всегда ошибаются, — отмечает он, — Сегодня это уже совсем не так. Компьютеры внесли в нашу жизнь революционные изменения. Это действительно небо и земля».
Майк Барлоу для
