Kina ubrzava prognozu tajfuna

Kineski istraživački timovi i meteorološke službe tijekom tajfuna Dolphin testirali su modele Fengwu, Pangu i Fuxi kao bržu dopunu klasičnoj prognozi. Fengwu je pet dana prije udara predvidio mjesto i vrijeme dolaska oluje na kinesko kopno uz odstupanje do 30 kilometara i 30 minuta. Rezultat dolazi iz tima uključenog u razvoj i treba ga potvrđivati kroz više oluja.

Fengwu razvija Shanghai AI Laboratory, Pangu je povezan s Huaweijem, a Fuxi sa Sveučilištem Fudan. Umjesto da za svaku prognozu numerički rješavaju fizikalne jednadžbe atmosfere, modeli uče obrasce iz velikih skupova povijesnih opažanja i potom brzo izračunavaju buduća stanja. Time prognoza može nastati u minutama ili sekundama, uz manju računalnu potrošnju od dugog superračunalnog izračuna.

Razvojni tim Fengwua navodi da je model nadmašio Googleov GraphCast na približno 80 posto promatranih varijabli i produžio korisnu srednjoročnu prognozu preko deset dana. Usporedba ovisi o odabranom skupu podataka, početnim uvjetima i metrici pogreške. Dobar prosjek temperature, tlaka ili vjetra ne jamči da će sustav pravilno opisati najopasniji lokalni pljusak, naglu promjenu smjera ili brzo jačanje tropskog ciklona.

Upravo je intenzitet oluje sada najveće ograničenje. AI može precizno pratiti putanju, dok tradicionalni modeli bolje povezuju toplinu oceana, vlagu, vertikalni profil vjetra i unutarnju strukturu tajfuna. Pogreška u snazi vjetra ili količini kiše mijenja odluku o evakuaciji, zatvaranju luke i zaštiti elektroenergetske mreže. Zbog toga operativne službe ne mogu zamijeniti fizikalni sustav samo zato što je AI brži.

Najrealniji model uporabe je ansambl: meteorolog uspoređuje više klasičnih i AI prognoza, prati njihovo razilaženje i izdaje upozorenje uz procjenu nesigurnosti. Ako Fengwu brzo obradi desetke mogućih početnih stanja, služba dobiva raniji signal gdje treba pokrenuti skuplji izračun visoke razlučivosti. Tako brzina postaje operativna prednost, a konačna odluka ostaje u sustavu s provjerljivim pravilima i stručnim nadzorom.

Javna vrijednost ne mjeri se samo manjom pogreškom modela. Upozorenje mora stići gradskim vlastima, prometu, bolnicama, školama i stanovnicima u obliku koji se može pretvoriti u postupak. Za to su potrebni pouzdani senzori, radari, satelitski podaci, komunikacijski kanali i lokalne karte rizika. Najbolja putanja oluje ne sprječava štetu ako poruka kasni ili ako evakuacijski plan ne uzima u obzir poplavljene ceste.

Kina ima snažan motiv ulagati u takve sustave jer tajfuni pogađaju gusto naseljene obale i industrijske koridore. Dolphin je izazvao evakuacije, prekide prometa i velike oborine, pa svaka dodatna ura pripreme ima mjerljivu vrijednost. Istodobno ekstremni događaji mijenjaju statističke obrasce na kojima su modeli trenirani. Sustav koji je izvrstan na prošlim olujama može pogriješiti kada se pojavi kombinacija temperature mora i cirkulacije koje u podacima gotovo nije bilo.

WMO i ESCAP-ov Typhoon Committee već okupljaju stručnjake za primjenu AI-ja u analizi i prognozi ciklona. Takva međunarodna provjera važna je jer modeli moraju raditi izvan jedne države, jednog satelitskog sustava i jedne sezone. Zajednički testovi trebaju objaviti ulazne podatke, razdoblje evaluacije i pogreške po vrsti događaja kako bi se rezultati mogli uspoređivati bez marketinških tvrdnji.

Troškovna prednost može proširiti kvalitetne prognoze na manje meteorološke službe koje nemaju vlastiti superračunalni centar. No cloud ili gotov model ne uklanja ovisnost o dobavljaču, kvaliteti lokalnih mjerenja i sigurnosti sustava. Država mora znati kako nastaje upozorenje, sačuvati alternativni način rada i moći nastaviti prognozu ako mreža ili vanjska usluga prestane biti dostupna usred krize.