Решение головоломки: как и где?

Есть несколько мнений о путях достижения более точного, долгосрочного прогноза погоды.

Улучшение методов.

♦  Совершенствование наблюдений за погодой. Требуется больше данных и лучшего качества. Есть места на Земле, откуда поступает крайне мало данных, прежде всего это горные районы и океанические поверхности. Два больших сезонных течения поверхностных океанических вод, Эль-Ниньо и Ла-Нинья, вызывают обширные синоптические явления, существенно воздействующие на погоду в мире, особенно сказываясь на сельском хозяйстве. Точный долговременный прогноз помог бы крестьянам сохранить сотни миллионов долларов. В рамках проектов наподобие ARGO, составной части Системы наблюдения за климатом Земли, на океанических просторах размещаются 3 тыс. дрейфующих станций для слежения за погодными и водными условиями.

♦  Повышение качества моделирования. Современное математическое моделирование значительно совершенней методов Эдуарда Лоренца, но многое еще предстоит сделать. Некоторые физические процессы, управляющие погодой, весьма сложны. Нужно учитывать рельеф местности и свойства почвы, брать в расчет динамическое поведение океана и облачного покрова. Нынешние модели лишь аппроксимируют крайне сложные процессы в целях ускорения вычислений с учетом объемов памяти ЭВМ. К тому же различные службы придерживаются собственных моделей со своими аппроксимациями.

♦  Уменьшение шага сетки у модели.Первые модели прогнозирования погоды использовали сетку с шагом в сотни километров. В нынешних моделях этот шаг уменьшен до десятков километров, а ближайшая цель — 5 км. Чем меньше область, тем точнее моделирование, однако для получения такой точности нужны суперЭВМ (вспомним потребность биологии в больших вычислительных мощностях, получившую название биоинформатики). В построении суперЭВМ наметилось два подхода: массовая параллельная обработка и векторные вычисления. Процессоры с массовым параллелизмом соединяют большое число универсальных процессоров, каждый из которых осуществляет часть сложного вычисления, а отдельные результаты суммируются. Векторная обработка использует специализированные микропроцессоры, предназначенные для решения сугубо определенной задачи. В свое время американский разработчик ЭВМ Сеймор Крей собирал необыкновенно быстрые суперЭВМ на основе векторного вычисления. Хотя его подход перестал пользоваться спросом на родине, к нему решила прибегнуть японская компания NEC Вместо перехода на сетку с меньшим шагом для всего земного шара было решено, что качество прогноза у глобальных моделей можно улучшить при сетках с переменным шагом в особо важных областях.

♦  Сборный прогноз.Сборный прогноз — метод, учитывающий чувствительность моделей к малым изменениям в начальных условиях. Данный подход связан с неоднократным прогоном модели, использованием различных начальных условий, чтобы посмотреть, как меняются выходные данные. Если, например, дождь выпадает в четырех испытаниях из десяти, можно прогнозировать 40 % вероятности дождя. Обычно модели запускают более 10 раз — часто это 17 прогонов, но порой может быть и 46. Одна из разновидностей данного подхода связана со сравнением результатов различных моделей с последующим прогнозированием на основе средневзвешенного значения. Опытные метеорологи используют ЭВМ, когда сверяют результаты, и порой отклоняют выданный ею прогноз исходя из собственного опыта.

Как пишет популяризатор науки Джеймс Глейк в книге ХАОС: создание новой науки (1987) [СПб., 2001]:

Предположим, что Земля покрыта датчиками на удалении одного фута друг от друга, а по высоте — идущими на расстоянии одного фута вплоть до верхних слоев атмосферы. Предположим, что каждый датчик снимает совершенно точные показания температуры, давления, влажности и любой иной величины по желанию метеоролога. Ровно в полдень обладающая неограниченной мощностью ЭВМ получает все эти данные и вычисляет, что произойдет в каждой точке в 12.01, потом в 12.02 и т. д. И тем не менее ЭВМ не в состоянии предсказать, будет ли в Принстоне, штат Нью-Джерси, солнечно или пасмурно через месяц.

Устоявшаяся сеть прогнозирования погоды не приемлет невозможности прогнозирования. Пока не удастся делать более точные прогнозы на срок более двух недель, приходится мириться с возможностью исходной непредсказуемости погоды. В некотором отношении здесь улавливается сходство с другой задачей науки о Земле: прогнозированием землетрясений (см.: Список идей, 13. Предсказание землетрясений).

При всех любопытных свойствах, проявляемых теорией хаоса и теорией катастроф, занятой изучением скачкообразных перестроек систем как чистой математики, для извлечения научных выгод требуется их более тесное соотнесение с физической реальностью. Свежий подход на основе простых правил программирования [так называемой системы компьютерной алгебры] предложил в 2002 году Стивен Вольфрам. Его идеи могут помочь в прогнозе погоды и иных областях науки, однако потребуется еще много усилий для соотнесения его отвлеченных математических методов моделирования с реальным миром.

Сегодня проект под названием climateprediction. com позволяет запускать модели поведения атмосферы на домашних компьютерах в фоновом режиме в качестве экранных заставок. Эта программа по массивным параллельным вычислениям схожа с обсуждаемыми соответственно в 4-м и 8-м «Списке идей» проектами SETIathome и Folding@Home. Сложные модели поведения атмосферы запускают с использованием различных начальных условий для прогнозирования погоды и климата в далеком 2050 году. Прогнозы затем сравнят с действительными погодными условиями 2050 года, что, возможно, прольет свет на подходы к моделированию. Десятки тысяч людей уже согласились предоставить свои компьютеры за символическое вознаграждение.

Цель данного проекта запечатлена в следующем выражении, передающем дух прогнозирования погоды:

Астрономия или, точнее, космология изучает возникновение, развитие и макроскопическое строение и поведение Вселенной. До недавнего времени крупнейшей нерешенной задачей астрономии (космологии) было выяснение вопроса, будет ли Вселенная расширяться всегда или же в конце концов она сожмется. Обнаружение ускоряющегося расширения Вселенной, что указывает на его необратимость, возможно, закрыло данный вопрос, но породило следующий. Причина такого все ускоряющегося расширения, порой именуемая темной энергией, похоже, противоречит современным представлениям о силах, определяющих поведение Вселенной. Объяснение феномена темной энергии и ныне остается крупнейшей нерешенной проблемой астрономии.

«Что там?» — привычный вопрос людей, вглядывающихся в небо.