Ang Hurricane Florence ay patungo sa baybayin ng Estados Unidos, tama sa taas ng panahon ng bagyo.

Ang mga bagyo ay maaaring maging sanhi ng napakalawak na pinsala dahil sa mga hangin, alon at ulan, hindi sa banggitin ang kaguluhan bilang pangkalahatang populasyon na naghahanda para sa matinding panahon.

Ang huli ay nakakakuha ng mas may-katuturan, dahil ang pinsala sa pera mula sa mga sakuna ay nagte-trend up. Ang lumalaking baybayin populasyon at imprastraktura, Pati na rin tumataas na antas ng dagat, malamang na mag-ambag sa pagtaas sa mga gastos ng pinsala.

Ginagawa nito ang lahat ng higit na kinakailangan upang makakuha ng maaga at tumpak na mga pagtataya sa publiko, ang mga mananaliksik na tulad namin ay aktibong nag-aambag sa.

Paggawa ng mga hula

Hurricane forecasts ayon sa tradisyon sa panghuhula ng track at intensity ng bagyo. Ang track at sukat ng bagyo ay matukoy kung aling mga lugar ang maaaring ma-hit. Upang gawin ito, ang mga istatistika ay gumagamit ng mga modelo - mahalagang mga programang software, kadalasang tumatakbo sa malalaking computer.

Sa kasamaang palad, walang nag-iisang modelo ng forecast na mas mahusay kaysa sa iba pang mga modelo sa paggawa ng mga hula na ito. Minsan ang mga pagtataya ay nagpapakita ng kapansin-pansing iba't ibang landas, diverging ng daan-daang milya. Sa ibang pagkakataon, ang mga modelo ay may malapit na kasunduan. Sa ilang mga kaso, kahit na ang mga modelo ay may malapit na kasunduan, ang maliliit na pagkakaiba sa track ay may napakalaking pagkakaiba sa bagyo, hangin at iba pang mga kadahilanan na nakakaapekto sa pinsala at paglisan.

Higit pa, ang ilang mga empirical na kadahilanan sa mga modelo ng pagtataya ay alinman sa tinutukoy sa ilalim ng mga kondisyon ng laboratoryo o sa ilang mga eksperimento sa larangan. Nangangahulugan ito na maaaring hindi nila kinakailangang ganap na kumatawan ang kasalukuyang kaganapan ng panahon.

Kaya, ang mga istatistika ay gumagamit ng isang koleksyon ng mga modelo upang matukoy ang isang malamang na hanay ng mga track at intensities. Kasama sa mga ganitong modelo ang Global System Forecast NOAA at European Center para sa Mga Katamtamang Taya ng Panahon na mga taya ng pandaigdigang mga modelo.

Ang FSU Superensemble ay binuo ng isang grupo sa aming unibersidad, pinangunahan ng meteorolohista TN Krishnamurti, sa maagang 2000s. Pinagsasama ng Superensemble ang output mula sa isang koleksyon ng mga modelo, na nagbibigay ng mas maraming timbang sa mga modelo na nagpakita ng mas mahusay na hinulaang nakaraang mga kaganapan sa panahon, tulad ng Atlantic tropikal na mga bagyong pangyayari.

Ang isang koleksyon ng mga model ng forecaster ay maaaring maging mas malaki sa pamamagitan ng pagsasaayos ng mga modelo at bahagyang pagbabago ng panimulang kalagayan. Ang pagtatangka na ito ay talakayin ang kawalan ng katiyakan. Hindi maaaring malaman ng mga meteorologist ang eksaktong estado ng atmospera at karagatan sa panahon ng pagsisimula ng modelo. Halimbawa, ang tropikal na mga bagyo ay hindi sapat na sinusunod upang magkaroon ng sapat na detalye tungkol sa mga hangin at ulan. Para sa isa pang halimbawa, ang temperatura ng ibabaw ng dagat ay pinalamig ng pagpasa ng isang bagyo, at kung ang lugar ay nananatiling ulap-sakop ang mga palamigan na tubig ay mas malamang na maobserbahan ng satellite.

Limitadong pagpapabuti

Sa nakalipas na dekada, patuloy na sinusubaybayan ang mga pagtataya pinabuti. Ang isang napakaraming mga obserbasyon - mula sa mga satelayt, buoy at sasakyang panghimpapawid na lumipad patungo sa pagbubuo ng bagyo - pinapayagan ang mga siyentipiko na mas maunawaan ang kapaligiran sa paligid ng isang bagyo, at sa gayon ay mapabuti ang kanilang mga modelo. Ang ilang mga modelo ay pinabuting sa pamamagitan ng mas maraming bilang 40 porsyento para sa ilang mga bagyo.

Isang buoy na pagkolekta ng data ng panahon. US National Oceanic and Atmospheric Administration

Gayunpaman, may mga pagtataya ng intensidad pinabuting bahagya sa nakaraang ilang dekada.

Iyon ay bahagyang dahil sa panukat na pinili upang ilarawan ang intensity ng isang tropikal na bagyo. Ang intensidad ay madalas na inilarawan sa mga tuntunin ng bilis ng hangin sa taas sa isang taas ng 10 metro sa ibabaw ng ibabaw. Upang sukatin ito, ang mga forecasters ng pagpapatakbo sa National Hurricane Center sa Miami ay tumingin sa pinakamataas, isang minutong average na bilis ng hangin na naobserbahan sa anumang naibigay na punto sa tropikal na bagyo.

Gayunpaman, napakahirap para sa isang modelo upang tantyahin ang pinakamataas na bilis ng hangin ng isang tropikal na bagyo sa anumang naibigay na oras sa hinaharap. Ang mga modelo ay wala sa kanilang mga paglalarawan ng buong estado ng atmospera at karagatan sa simula ng modelo. Maliit na mga tampok ng tropikal na mga bagyo - tulad ng matalim gradients sa pag-ulan, ibabaw ng hangin at taas ng alon sa loob at labas ng tropikal na cyclones - ay hindi mapagkakatiwalaan nakuha sa mga modelo ng forecast.

Ang parehong mga katangian ng atmospheric at karagatan ay maaaring makakaimpluwensya ng intensity ng bagyo. Naniniwala ngayon ang mga siyentipiko mas mahusay na impormasyon tungkol sa karagatan maaaring mag-alok ng pinakadakilang mga nadagdag sa forecast na katumpakan. Ang partikular na interes ay ang enerhiya na nakaimbak sa itaas na karagatan at kung paano ito nag-iiba sa mga tampok ng dagat tulad ng mga eddies. Ang mga kasalukuyang obserbasyon ay hindi sapat na epektibo sa paglalagay ng mga pagkaing karagatan sa tamang lokasyon, ni hindi sila epektibo kinukuha ang laki ng mga eddies na ito. Para sa mga kondisyon kung saan hindi napakalubha ng kapaligiran ang pag-unlad ng bagyo, ang karagatan na impormasyon na ito ay dapat na napakahalaga.

Samantala, ang mga forecasters ay naghahanap ng mga alternatibo at komplementaryong sukatan, tulad ng ang laki ng mga tropikal na bagyo.

Tungkol sa Ang May-akda

Si Mark Bourassa, Propesor ng Meteorology, Florida State University at Vasu Misra, Associate Professor of Meteorology, Florida State University

Ang artikulong ito ay muling nai-publish mula sa Ang pag-uusap sa ilalim ng lisensya ng Creative Commons. Basahin ang ang orihinal na artikulo.

Mga Kaugnay Books

at InnerSelf Market at Amazon