मौसम पूर्वानुमान की सटीकता में सुधार
(ourworldindata.org)- मौसम पूर्वानुमान रोज़मर्रा की सुविधा से आगे बढ़कर तूफ़ान और हीटवेव से निपटने, कृषि, बिजली ग्रिड, और हवाई व समुद्री परिवहन के लिए risk management infrastructure बन गया है
- सटीकता पिछले कई दशकों में काफ़ी बढ़ी है: Met Office का मौजूदा 4-day forecast 30 साल पहले के 1-day forecast जितना सटीक है, और अमेरिका में hurricane के 48-hour track error भी 1970 के दशक के 200–400 nautical miles से घटकर अब लगभग 50 nautical miles रह गए हैं
- अधिक घना observation network, तेज़ कंप्यूटर, उन्नत numerical weather prediction models, और smartphone/online delivery ने forecast की गुणवत्ता और उपयोग की गति दोनों को बढ़ाया है
- कम-आय वाले देशों में observation equipment और reporting frequency की कमी के कारण बड़ा अंतर है; अमीर देशों का 7-day forecast कुछ कम-आय वाले देशों के 1-day forecast से भी अधिक सटीक हो सकता है
- सटीक forecast भी अगर लोगों तक समय पर न पहुँचे तो उसका असर सीमित रहता है; early warning systems और AI, drones, mobile technology accessibility gap कम करने की कुंजी हैं
रोज़मर्रा की जानकारी से आगे मौसम पूर्वानुमान
- मौसम पूर्वानुमान बारबेक्यू या छाता तैयार रखने में मदद से आगे बढ़कर सीधे ज़िंदगी और आजीविका से जुड़ गया है
- तूफ़ान, हीटवेव और आपदाओं की पहले से सूचना मिलने पर समुदायों को नुकसान कम करने का समय मिल सकता है
- किसान बुवाई, सिंचाई, खाद के उपयोग और कीट-रोग प्रबंधन के फैसलों में forecast पर निर्भर करते हैं
- बिजली ग्रिड operators heating/cooling demand और wind/solar power generation का अनुमान लगाने के लिए weather information का उपयोग करते हैं
- pilots और sailors के लिए यह हवाई और समुद्री परिवहन को सुरक्षित बनाए रखने वाली ज़रूरी जानकारी है
कई दशकों में forecast accuracy में बड़ा सुधार
- मौसम का अनुमान लगाने की कोशिशें बहुत पहले से होती रही हैं, लेकिन बड़ा मोड़ 1960 के दशक के बाद computer-based numerical modelling के आने से आया
- UK Met Office ने 1859 में जहाज़ों के लिए पहला weather forecast जारी किया, और दो साल बाद पहला public weather forecast broadcast किया
- आज Met Office का 4-day forecast 30 साल पहले के 1-day forecast जितना सटीक है
- अमेरिका के National Hurricane Center के hurricane और cyclone track error data में भी सुधार बहुत बड़ा है
- 1970 के दशक में 48-hour forecast का track error 200–400 nautical miles था
- आज 48-hour forecast का track error लगभग 50 nautical miles के स्तर पर है
- 1960–70 के दशक में 72-hour forecast error 400 nautical miles से अधिक था, लेकिन अब यह 80 miles से कम रह गया है
- hurricane landfall location को 3–4 दिन पहले अधिक सटीकता से predict कर पाना शहरों और समुदायों को तैयारी करने देता है, और पहले जिन unnecessary evacuations की ज़रूरत पड़ती, उन्हें भी कम कर सकता है
global models के long-range forecasts में सुधार
- European Centre for Medium-Range Weather Forecasts global numerical weather models बनाता है
- राष्ट्रीय weather agencies local forecasts के लिए अधिक high-resolution processing इस्तेमाल करती हैं, लेकिन global models उन systems के अहम input होते हैं
- ECMWF का error analysis 3-day, 5-day, 7-day और 10-day forecasts और वास्तविक weather outcomes के बीच अंतर की तुलना करता है
- analysis metric के रूप में 500 hPa geopotential height का उपयोग होता है, जो pressure से संबंधित weather indicator है और weather patterns को प्रभावित करता है
- 3-day forecasts 1980 के दशक से ही काफ़ी सटीक रहे हैं, और आज accuracy लगभग 97% है
- improvement forecast period जितना लंबा हो, उतना अधिक स्पष्ट दिखता है
- 2000 के दशक की शुरुआत में 5-day forecasts “बहुत सटीक” स्तर पर पहुँच गए
- 7-day forecasts अब उस benchmark के करीब पहुँच रहे हैं
- 10-day forecasts अभी उसी स्तर पर नहीं हैं, लेकिन लगातार बेहतर हो रहे हैं
accuracy बढ़ाने वाले तकनीकी कारण
- observation data अब अधिक बड़े क्षेत्रों को अधिक high resolution में cover करता है
- अधिक और बेहतर satellite data इस्तेमाल होता है
- ground weather stations अधिक क्षेत्रों को अधिक घनत्व से cover करते हैं
- observation equipment की precision भी बढ़ी है
- numerical weather prediction models इन observations को input के रूप में लेकर weather predict करते हैं
- computer performance में सुधार ने अधिक detailed grid calculations संभव किए हैं
- Met Office पहले दुनिया को 90km चौड़ी grid पर model करता था
- अब यह 1.5km grid तक पहुँच गया है
- resolution जितना बढ़ता है, required computation भी उतनी ही तेज़ी से बढ़ती है
- observations को model output में बदलने के तरीके भी विकसित हुए हैं, जिससे simplified worldview की तुलना में complex weather systems को अधिक detail में capture किया जा सकता है
- delivery methods में बदलाव ने भी forecasts की practical usefulness बढ़ाई है
- पहले daily newspapers से दिन में एक बार update मिलता था
- radio और TV के फैलने के बाद दिन में कई बार alerts मिल सकते थे
- अब online और smartphones पर minute-by-minute updates देखे जा सकते हैं
कम-आय वाले देशों में बचा forecast gap
- Scotland में smartphone app पर कुछ सेकंड में काफ़ी सटीक 5-day forecast देखा जा सकता है, लेकिन इसी स्तर की जानकारी सभी को उपलब्ध नहीं है
- Manuel Linsenmeier और Jeffrey Shrader के हालिया paper के अनुसार, अमीर देशों का 7-day forecast कुछ कम-आय वाले देशों के 1-day forecast से भी अधिक सटीक हो सकता है
- सभी income levels में देशों के forecasts समय के साथ बेहतर हुए हैं, लेकिन मौजूदा quality gap 1980 के दशक जैसा ही बड़ा बना हुआ है
- gap की मुख्य वजह observation infrastructure और reporting frequency है
- अधिक गरीब देशों में ground observation equipment और radiosondes कहीं कम हैं
- weather data reporting frequency भी काफ़ी कम है
- weather और climate information पर खर्च में भी बड़ा अंतर है
- कम-आय वाले देशों का per capita खर्च high-income देशों की तुलना में 15–20 गुना कम है
- हालांकि economic size को देखते हुए GDP के मुकाबले खर्च का हिस्सा कम-आय वाले देशों में अधिक है
सबसे कमजोर लोगों के लिए forecast और भी ज़रूरी
- कम-आय वाले देशों के 60% workers agriculture में काम करते हैं, और agriculture मौसम पर बहुत अधिक निर्भर sector है
- इनमें से कई smallholder farmers हैं, और अक्सर अत्यंत गरीब होते हैं
- accurate forecasts किसानों के decisions में सीधे मदद करते हैं
- फसल बोने का optimal समय पता चल सकता है
- यह पहले से समझा जा सकता है कि irrigation की सबसे अधिक ज़रूरत कब होगी या खाद बह जाने का risk कब अधिक होगा
- pest और disease outbreak alerts मिलने पर attack करीब होने पर crops की protection की जा सकती है, और risk कम होने पर pesticide use घटाया जा सकता है
- forecast accessibility बढ़ने से पानी, खाद और labour जैसे मूल्यवान resources का अधिक efficient उपयोग हो सकता है
- अच्छा weather forecast दुनिया के सबसे गरीब लोगों के लिए विशेष रूप से बड़ा फर्क लाता है
सिर्फ accurate forecast काफी नहीं
- cyclones, heatwaves, floods और storm surges की तैयारी के लिए forecast accuracy के साथ delivery system भी ज़रूरी है
- कई दिन पहले accurate forecast मिल जाए तो शहर और समुदाय तैयारी कर सकते हैं
- घरों को सुरक्षित किया जा सकता है
- emergency services recovery support के लिए standby पर रह सकती हैं
- हाल के दशकों की कई सबसे घातक disasters पहले से accurately predicted थीं, लेकिन common failure point poor communication/delivery था
- forecasts की value तब बनती है जब वे ऐसे तरीके से delivered हों जिन पर लोग सच में action ले सकें
- World Meteorological Organization का अनुमान है कि दुनिया की लगभग एक-तिहाई आबादी, मुख्य रूप से सबसे गरीब देशों में, early warning systems से वंचित है
investment और नई technology की भूमिका
- कुछ क्षेत्रों में अच्छे forecasts और fast delivery को सामान्य माना जाता है, लेकिन इन्हें सभी तक पहुँचाना ही बड़ा फर्क ला सकता है
- climate change के कारण weather-related disaster risks बढ़ रहे हैं, ऐसे में बेहतर forecasts climate change adaptation का अहम साधन हैं
- gap कम करने के लिए उचित investment और financial support आवश्यक हैं
- नई technologies सुधार की गति बढ़ा सकती हैं
- Nature में प्रकाशित हालिया paper के अनुसार AI system Pangu-Weather leading weather agencies जितने सटीक या उनसे अधिक सटीक forecasts 10,000 गुना तक तेज़ कर सकता है
- Pangu-Weather को 39 साल के historical data पर train किया गया है
- forecasting speed बढ़ने से operating costs घट सकती हैं, और limited budgets वाले देशों को भी बेहतर outcomes मिल सकते हैं
- तेज़ और efficient technology उन क्षेत्रों की कमी कम कर सकती है जहाँ ground weather stations नहीं हैं
- sensors से लैस drones किसी क्षेत्र का survey करके higher-resolution maps बना सकते हैं
- cheap और efficient forecast generation को mobile technology के साथ जोड़ने से information तेज़ी से पहुँचाई जा सकती है
- कुछ companies पहले से ही कम-आय वाले देशों के किसानों को crop planting time पर advice देने वाले messages भेज रही हैं
- ये innovations आज के मौसम के सामने देशों को अधिक resilient बनाती हैं, और ऐसे world में भी essential हैं जहाँ weather और extreme हो सकता है
1 टिप्पणियां
Hacker News की राय
लगता है कि पूर्वानुमान कितना अच्छा है, यह इस बात पर निर्भर करता है कि कौन-सा weather model इस्तेमाल किया जा रहा है। Apple Watch का मौसम GFS से लगभग बिल्कुल मेल खाता दिखता है, और GFS मिड-रेंज पूर्वानुमान के लिए ठीक है, लेकिन शॉर्ट-टर्म के लिए इतना उपयोगी नहीं; एक-दो दिन आगे के लिए NAM, और कुछ घंटों आगे के लिए HRRR बेहतर लगता है
किसी aggregate service पर मौसम को सरल बनाकर दिखाने के बजाय, आप raw data सीधे भी देख सकते हैं: https://weather.cod.edu/forecast/
बड़े events के दौरान National Weather Service की media briefing अच्छी होती है, लेकिन कभी-कभी updates जल्दी बंद हो जाते हैं। कुछ हफ़्ते पहले New York में भारी बर्फ़बारी की संभावना ज़्यादा थी, लेकिन लगभग सुबह 9 बजे updates रुक गए थे, जबकि बर्फ़ दोपहर 1 बजे के आसपास शुरू होने का पूर्वानुमान था। शॉर्ट-टर्म models देखने पर लग रहा था कि बर्फ़ की संभावना कम हो रही है, और वास्तव में लगभग कुछ जमा ही नहीं। Event जितना पास आता है, पूर्वानुमान उतना सटीक होता जाता है, इसलिए चाहें तो आप कभी भी ज़्यादा data खुद देख सकते हैं
पता नहीं कोई Skip Talbot को देखता है या नहीं, लेकिन उन्होंने कुछ घंटों आगे के HRRR के helicity swath को देखते हुए एक बड़ा मान नोटिस किया था, और HRRR ने strong rotation के लिए जो path predict किया था, वह वास्तविक बड़े tornado के path से लगभग मेल खाता था
https://www.youtube.com/@markfinanweather
यह जानने से ज़्यादा अहम है कि कल बारिश की 50% संभावना है, यह जानना कि मेरे commute के समय सुबह 9 बजे बारिश की संभावना 10% है और दोपहर 12 बजे 90%। अगर बारिश होगी, तो हवा और तापमान भी साथ देखना चाहिए, और यह जानकारी mosaic की तरह साथ में दिखनी चाहिए
इस काम के लिए NOAA का hourly local forecast बेजोड़ लगता है: https://www.weather.gov/okx/ पर zip code डालकर hourly local forecast में जाएँ
उदाहरण: https://forecast.weather.gov/MapClick.php?lat=33.797&lon=-11...
काश कोई Android app यह स्तर की detail देता, और बेहतर हो अगर वह microphone पर चोरी-छिपे न सुनता हो
https://windy.com
मेरी सास हमेशा Google से पूछकर या TV पर देखकर मौसम बताती हैं, और ज़्यादातर ग़लत होती हैं। बिना aggregate किया हुआ data शानदार है और दूसरी जगहों पर रिपोर्ट की जाने वाली जानकारी से लगभग हमेशा ज़्यादा सटीक होता है
Andrew Blum की The Weather Machine की सिफारिश करता हूँ। यह पूर्वानुमान के इतिहास और आज पर्दे के पीछे क्या चल रहा है, इस पर एक किताब है
किताब पुराने weather stations, नए satellites के launches, atmospheric supercomputer models बनाने के लिए वैज्ञानिकों की कोशिशों, और उन algorithms के इतिहास का पीछा करती है। साथ ही यह बताती है कि हम meteorology के स्वर्ण युग में दाख़िल हो चुके हैं, लेकिन अभी भी उसके tools पर पूरा भरोसा नहीं कर पाते, और आधुनिक weather systems को संभव बनाने वाले नाज़ुक अंतरराष्ट्रीय सहयोग की गारंटी भी नहीं दे सकते
https://www.andrewblum.net/the-weather-machine-2
https://www.goodreads.com/en/book/show/42079139
meteorology के बहुत शुरुआती इतिहास के लिए Luke Howard पर आधारित The Invention of Clouds भी देखने लायक है
https://www.goodreads.com/book/show/1148768.The_Invention_of...
https://en.wikipedia.org/wiki/Luke_Howard
The Signal and The Noise में पढ़ी हुई बात के अनुसार, लोग अगर सुनते हैं कि बारिश की संभावना 50% से कम है और फिर बारिश हो जाती है, तो वे पूर्वानुमान को खराब मानते हैं
अगर कहा जाए कि शायद बारिश नहीं होगी और फिर बारिश हो जाए, तो झुंझलाहट होती है; लेकिन अगर कहा जाए कि बारिश हो सकती है और दिन साफ निकल आए, तो वह सुखद सरप्राइज़ लगता है। इसलिए अगर लोगों से किसी पूर्वानुमान को “अच्छा” कहलवाना हो, तो वर्षा-सम्भावना को बेवजह ऊँचा दिखाना पड़ता है, और उपभोक्ता-उन्मुख forecast services ऐसा ही करती हैं
https://en.wikipedia.org/wiki/The_Signal_and_the_Noise
नीदरलैंड में बारिश बहुत स्थानीय स्तर पर होती है, इसलिए भले ही आज बारिश की संभावना 100% हो, वह पूरे दिन में बिखरे हुए 1–2 घंटे ही हो सकती है, और कभी-कभी बहुत तेज़ बरसकर तुरंत रुक भी जाती है। गलती आमतौर पर तभी होती थी जब चलती हुई बारिश की पट्टी हवा बदलने से बाल-बाल चूक जाती थी
जबकि वास्तव में forecast के गलत होने के अनगिनत तरीके होते हैं, और सही होने के सिर्फ कुछ ही तरीके
कुल मिलाकर मुझे forecast हैरान करने वाली हद तक सटीक लगते हैं। Midwest में, खासकर Chicago market area में, मौसम हमारे पास आने से पहले अमेरिका या कनाडा के बड़े हिस्सों से होकर आता है; तटीय इलाकों जैसे अधिक बदलते और कठिन-पूर्वानुमेय स्थानों में स्थिति अलग हो सकती है
अगर आप Florida जैसी hurricane-प्रवण जगह में रहते हैं, तो साफ पता चलता है कि forecast बहुत बेहतर हुए हैं, लेकिन अभी भी सुधार की काफी गुंजाइश है
मेरा इससे कोई संबंध नहीं है, लेकिन अपने शहर में कौन सा forecast सबसे अच्छा है यह देखने के लिए https://www.forecastadvisor.com/ की सिफारिश करूँगा। इसे देखने के बाद मैंने अपना weather provider पूरी तरह बदल दिया, और अब स्थिति काफी बेहतर लगती है
अगर आप forecast के बिना, या forecast को पूरक रूप में इस्तेमाल करके मौसम को पढ़ने में रुचि रखते हैं, तो Gooley की The Secret World of Weather: How to Read Signs in Every Cloud, Breeze, Hill, Street, Plant, Animal, and Dewdrop भी मज़ेदार पढ़ाई है
स्थानीय apps Japan Meteorological Agency का data लेते हैं, Apple Weather भी ऐसा ही करता है, और हाल के update के बाद Carrot Weather भी। लेकिन Apple Weather और Carrot Weather फिर भी अलग-अलग नतीजे देते हैं
जापान के बाहर यात्रा करते समय तो मुझे और भी कम पता होता है, इसलिए मैं Carrot Weather का source Apple Weather पर रखता हूँ। कम-से-कम जहाँ संभव हो, वह स्थानीय weather service का data लेता है: https://developer.apple.com/weatherkit/data-source-attributi...
यह लेख मुख्यतः long-range forecast पर है, लेकिन मैं imminent storm alerts की गुणवत्ता और विश्वसनीयता से भी प्रभावित रहा हूँ। इन्होंने मुझे मूसलाधार बारिश में भीगने से बचाया है, या भारी बारिश आने से पहले गाड़ी रोककर आराम करने का मौका दिया है
यह बहुत सुर्खियाँ नहीं बटोरता, लेकिन जैसा लेख में कहा गया है, प्रगति लगातार और सार्थक रही है
इसमें कहा गया है कि निम्न-आय वाले देशों में forecast सुधार को कम आंका गया है; मैं जानना चाहूँगा कि क्या इस पर कोई अध्ययन है जो अनुमान लगाता हो कि बेहतर forecast का क्या असर हो सकता है। तकनीक के ज़रिए गरीबों की मदद करना कई philanthropists की रुचि का प्रोजेक्ट हो सकता है, और उम्मीद है कि यह gravity light जैसी चीज़ों से ज़्यादा प्रभावी होगा
आधुनिक तकनीक वाकई चमत्कारी है
मैं open source weather API open-meteo.com बनाने वाला व्यक्ति हूँ
weather forecasting का भविष्य काफी हद तक AI models पर निर्भर हो सकता है। लेख में Pangu Weather का ज़िक्र है, और HN comments में GraphCast का उदाहरण भी आया था। दिलचस्प रूप से, 1 मार्च को European Centre for Medium-Range Weather Forecasts(ECMWF) ने अपना नया AI weather model AIFS open data के रूप में जारी किया
यह model न सिर्फ मौजूदा numerical models से ज़्यादा सटीक है, बल्कि इसे चलाने के लिए बहुत कम computing power भी चाहिए। ECMWF ने ऐसी comparisons भी प्रकाशित की हैं जिनमें AIFS forecast precision में दूसरे models से बेहतर दिखता है: https://www.ecmwf.int/en/about/media-centre/aifs-blog/2024/f...
लेख में कही गई बात मोटे तौर पर सही है। बेहतर raw data, तेज़ कंप्यूटर, छोटे grids, बेहतर prediction algorithms आदि ने आज कुल मिलाकर मौसम की जानकारी को बहुत बेहतर बनाया है।
लेकिन इसका मतलब यह भी है कि किसी व्यक्ति के लिए बेहतर नतीजे पाने हेतु अब ज़्यादा मेहनत करनी पड़ती है। ऐप कौन-सा algorithm इस्तेमाल करता है, क्या वह इलाके या सड़क-स्तर तक localization करता है, कितनी बार update होता है, GPS कितना सटीक है—जैसी बातों पर ध्यान देना पड़ता है। आम तौर पर लोग यह सब नहीं सोचते, लेकिन थोड़ा-सा समायोजन भी नतीजों को काफ़ी बेहतर बना सकता है
यह सही है कि forecast बेहतर हुए हैं, लेकिन ऐसा भी हुआ है कि पूरे शहर में 30 मिनट से ज़्यादा समय तक काफ़ी तेज़ बारिश होती रही और weather app ने यह मानने से भी इनकार किया कि अभी बारिश हो रही है, और सिर्फ़ बादल छाए हैं दिखाता रहा। अब भी समझ नहीं आता कि ऐसा कैसे संभव है
Minnesota में भी मैंने ऐसा ही देखा है कि blizzard के बीच गाड़ी चल रही हो और radar पर कुछ भी न दिखे
दूसरा मामला काफ़ी आम है। Models अलग-अलग initial conditions से अलग नतीजे देने वाले probabilistic estimates का इस्तेमाल करते हैं, और “बारिश वाले outcomes” की संख्या से precipitation probability तय होती है, इसलिए यह ज़रूरी नहीं कि उसे वास्तविक observed conditions के आधार पर तुरंत update किया जाए
फिर भी उस झुंझलाहट और निंदक भावना से मैं सहमत हूँ। यह पर्याप्त रूप से अच्छा नहीं है। मैं यह इसलिए कह रहा हूँ क्योंकि पहले मैं ऐसी “हमेशा पुरानी पड़ चुकी” forecasts जारी करने वाली भूमिका में रह चुका हूँ
हाई स्कूल में मैंने meteorology पढ़ी थी, और हमारे शिक्षक रोज़ prediction practice करवाते थे। मुझे लगता है कि यह खास तौर पर उन लोगों के लिए मददगार है जो अपने निजी अनुभवों को ज़रूरत से ज़्यादा महत्व दे देते हैं
हमें बस अगले दिन के मौसम का खुद पूर्वानुमान लगाना होता था और फिर उसे जारी forecast से compare करना होता था। ग्रेड इस बात पर नहीं मिलते थे कि आप कितने सटीक थे, बल्कि इस पर कि आपने अभ्यास को कितनी व्यवस्थित तरह से किया
यह करने पर आप forecasts की गुणवत्ता की ज़्यादा कद्र करने लगते हैं, और समझते हैं कि “weathercasters हमेशा ग़लत होते हैं” जैसी बात बिल्कुल सच नहीं है। बहुत-सी शिकायतें observation में rigor की कमी से पैदा होती हैं। मौसम पूर्वानुमान हो या कोई और prediction, उसकी accuracy को चुनौती देनी है तो ठोस सबूत पेश करने होंगे
मैंने कभी ECMWF(European Centre for Medium-Range Weather Forecasts) के कुछ वैज्ञानिकों का interview वाला एक podcast सुना था
उस episode में शायद किसी ने कहा था कि “हर 10 साल में forecasts एक दिन बेहतर हो जाते हैं”
वह 2019 में रिकॉर्ड किया गया था, इसलिए आज की तरह AI तब इतना बड़ा विषय नहीं था। पिछले नवंबर में Google द्वारा AI weather model जारी किए जाने को देखें तो यह और भी दिलचस्प लगता है
https://omegataupodcast.net/326-weather-forecasting-at-the-e...
https://deepmind.google/discover/blog/graphcast-ai-model-for...