Data besar dan Peramalan Cuaca - dummies

Peramalan cuaca selalu sangat mencabar, memandangkan bilangan pembolehubah yang terlibat dan interaksi kompleks antara pembolehubah tersebut. Peningkatan dramatik dalam keupayaan untuk mengumpulkan dan memproses data telah meningkatkan keupayaan peramal cuaca untuk menentukan masa dan keterukan taufan, banjir, ribut salji, dan peristiwa cuaca yang lain.

Satu contoh pemakaian data besar untuk ramalan cuaca ialah Deep Thunder IBM. Tidak seperti sistem peramalan cuaca yang banyak memberikan maklumat umum tentang wilayah geografi yang luas, Deep Thunder menyediakan ramalan untuk lokasi yang sangat khusus, seperti lapangan terbang tunggal, supaya pihak berkuasa tempatan boleh mendapatkan maklumat yang sangat penting dalam masa nyata. Berikut adalah beberapa contoh maklumat yang Deep Thunder boleh menyediakan:

Anggaran kawasan di mana banjir berkemungkinan besar
Kekuatan dan arah ribut tropika
Jumlah salji atau hujan yang paling tinggi yang akan jatuh di kawasan tertentu > Lokasi paling berkemungkinan garis kuasa menurun
Anggaran kawasan di mana kelajuan angin berkemungkinan besar
Lokasi di mana jambatan dan jalan raya kemungkinan besar rosak oleh ribut
Kemungkinan penerbangan dibatalkan di lapangan terbang tertentu
Maklumat ini penting untuk perancangan kecemasan. Menggunakan data yang besar, pihak berkuasa tempatan dapat menjangka lebih baik masalah yang disebabkan oleh cuaca sebelum berlaku. Sebagai contoh, perancang boleh membuat persediaan untuk mengosongkan kawasan rendah yang mungkin dibanjiri. Ia juga mungkin membuat perancangan untuk menaik taraf kemudahan sedia ada. (Contohnya, talian kuasa yang mudah dilumpuhkan oleh angin kencang boleh ditingkatkan.)

Satu pelanggan penting Deep Thunder adalah bandar Rio de Janeiro, Brazil, yang akan menggunakan sistem dalam perancangan untuk Olimpik 2016. Menggunakan teknologi, bandar akan menggunakan ramalan yang lebih baik untuk ribut, banjir, dan bencana alam yang lain untuk memastikan bahawa Sukan Olimpik tidak akan terganggu oleh peristiwa sedemikian.

IBM juga menyediakan kuasa pengkomputeran besar-besaran kepada Pentadbiran Meteorologi Korea (KMA) untuk merangkul sepenuhnya teknologi data yang besar. KMA mengumpulkan lebih dari 1. 5 terabytes data meteorologi setiap hari, yang memerlukan jumlah penyimpanan dan pemprosesan kuasa yang besar untuk dianalisis. Dengan menggunakan data besar, KMA akan dapat memperbaiki ramalannya mengenai kekuatan dan lokasi ribut tropika dan sistem cuaca yang lain.

Terabyte adalah sama dengan satu trilion bait. Itu 1, 000, 000, 000, 000 bait maklumat. Anda akan menulis satu trilion bait dalam notasi saintifik sebagai 1. 0 x 10

12 ^{. Untuk meletakkan perspektif itu, anda memerlukan sekitar 1, 500 CD untuk menyimpan terabyte tunggal. Termasuk kes plastik mereka, yang akan disusun sebagai menara tinggi 40 kaki CD.} Satu lagi contoh menggunakan data besar dalam peramalan cuaca berlaku semasa Taufan Sandy pada tahun 2012 - "ribut abad ini. "Pusat Badai Kebangsaan mampu menggunakan teknologi data yang besar untuk meramalkan kemusnahan taufan itu dalam jarak 30 mil lima hari penuh. Itulah peningkatan dramatik dalam ketepatan dari apa yang mungkin walaupun 20 tahun yang lalu. Akibatnya, FEMA dan organisasi pengurusan bencana lain jauh lebih baik untuk menangani masalah ini daripada yang mungkin berlaku pada tahun 1990-an atau lebih awal.

Salah satu akibat menarik untuk mengumpulkan dan memproses lebih banyak data cuaca ialah kemunculan syarikat yang menjual insurans khusus untuk melindungi daripada kerosakan cuaca. Salah satu contoh ialah Perbadanan Iklim, yang dibentuk pada tahun 2006 oleh dua bekas pekerja Google. Perbadanan Iklim menjual perkhidmatan ramalan cuaca dan insurans khusus kepada petani yang berusaha untuk melindung nilai risiko kerosakan tanaman. Syarikat menggunakan data besar untuk menentukan jenis risiko yang berkaitan dengan kawasan tertentu, berdasarkan jumlah besar data mengenai kelembapan, jenis tanah, hasil tanaman lepas, dan sebagainya.

Perladangan adalah perniagaan yang sangat berisiko, kerana pembolehubah cuaca tidak dapat diprediksi daripada pembolehubah yang mempengaruhi kebanyakan perniagaan lain, seperti tingkat bunga, keadaan ekonomi, dan sebagainya. Walaupun insurans ladang boleh didapati daripada kerajaan persekutuan, dalam banyak kes, ia tidak mencukupi untuk memenuhi jenis risiko yang lebih khusus yang melanda sesebuah keluarga. Perbadanan Ikon mengisi kekosongan dalam insurans persekutuan - jurang yang tidak mungkin ditawarkan tanpa pemahaman yang lebih baik mengenai faktor risiko yang dihadapi oleh petani individu. Pada masa akan datang, apabila lebih banyak data tersedia, lebih banyak produk insurans khusus (seperti insurans untuk tanaman tertentu) mungkin tersedia.