Μεγάλη πρόβλεψη δεδομένων και καιρού - ανδρείκελα

Η πρόγνωση του καιρού ήταν πάντα εξαιρετικά δύσκολη, δεδομένου του αριθμού των μεταβλητών και των πολύπλοκων αλληλεπιδράσεων μεταξύ αυτών των μεταβλητών. Οι δραματικές αυξήσεις της ικανότητας συλλογής και επεξεργασίας δεδομένων έχουν ενισχύσει σημαντικά την ικανότητα των προβλέψεων του καιρού να εντοπίσουν το χρονοδιάγραμμα και τη σοβαρότητα των τυφώνων, των πλημμυρών, των χιονοθύελων και άλλων καιρικών φαινομένων.

Ένα παράδειγμα εφαρμογής μεγάλων δεδομένων στην πρόγνωση του καιρού είναι η Deep Thunder της IBM. Σε αντίθεση με πολλά συστήματα πρόγνωσης καιρού που παρέχουν γενικές πληροφορίες για μια ευρεία γεωγραφική περιοχή, το Deep Thunder παρέχει προβλέψεις για εξαιρετικά συγκεκριμένες τοποθεσίες, όπως ένα ενιαίο αεροδρόμιο, έτσι ώστε οι τοπικές αρχές να μπορούν να λαμβάνουν σημαντικές πληροφορίες σε πραγματικό χρόνο. Ακολουθούν μερικά παραδείγματα των πληροφοριών που μπορεί να προσφέρει η Deep Thunder:

• Εκτιμήσεις των περιοχών όπου η πλημμύρα είναι πιθανόν να είναι πιο σοβαρή

• Η δύναμη και η κατεύθυνση των τροπικών καταιγίδων

• Η πιο πιθανή ποσότητα χιονιού ή βροχής που θα πέσει σε μια συγκεκριμένη περιοχή > Οι πιο πιθανές τοποθεσίες κατεβαζόμενων γραμμών μεταφοράς ηλεκτρικής ενέργειας

• Εκτιμήσεις περιοχών στις οποίες οι ταχύτητες ανέμου είναι πιθανό να είναι μεγαλύτερες

• Οι τοποθεσίες όπου οι γέφυρες και οι δρόμοι είναι πιθανότερο να υποστούν ζημιές από καταιγίδες

• Η πιθανότητα να ακυρωθούν πτήσεις σε συγκεκριμένα αεροδρόμια

• Οι πληροφορίες αυτές είναι απαραίτητες για τον προγραμματισμό έκτακτης ανάγκης. Χρησιμοποιώντας μεγάλα δεδομένα, οι τοπικές αρχές μπορούν να προβλέψουν καλύτερα τα προβλήματα που προκαλούνται από τις καιρικές συνθήκες πριν εμφανιστούν. Για παράδειγμα, οι υπεύθυνοι σχεδιασμού μπορούν να προετοιμαστούν για να εκκενώσουν περιοχές χαμηλού υψόμετρου που ενδέχεται να πλημμυρίσουν. Είναι επίσης δυνατή η εκπόνηση σχεδίων αναβάθμισης των υφιστάμενων εγκαταστάσεων. (Για παράδειγμα, μπορούν να αναβαθμιστούν οι γραμμές μεταφοράς ηλεκτρικής ενέργειας που είναι επιρρεπείς στην απενεργοποίηση λόγω ισχυρών ανέμων.)

Ένας σημαντικός πελάτης του Deep Thunder είναι η πόλη του Ρίο ντε Τζανέιρο της Βραζιλίας, η οποία θα χρησιμοποιεί το σύστημα για τον σχεδιασμό των Ολυμπιακών Αγώνων του 2016. Χρησιμοποιώντας την τεχνολογία, η πόλη θα χρησιμοποιήσει βελτιωμένες προβλέψεις για καταιγίδες, πλημμύρες και άλλες φυσικές καταστροφές, προκειμένου να διασφαλιστεί ότι οι Ολυμπιακοί Αγώνες δεν θα διαταραχθούν από τέτοια γεγονότα.

Η IBM παρέχει επίσης την τεράστια υπολογιστική ισχύ στην Κορεατική Μετεωρολογική Διοίκηση (KMA) για την πλήρη ενσωμάτωση της μεγάλης τεχνολογίας δεδομένων. Το KMA συγκεντρώνει πάνω από 1,5 terabyte μετεωρολογικών δεδομένων κάθε μέρα, πράγμα που απαιτεί μια εκπληκτική ποσότητα ενέργειας αποθήκευσης και επεξεργασίας για ανάλυση. Με τη χρήση μεγάλων δεδομένων, η KMA θα μπορέσει να βελτιώσει τις προβλέψεις της σχετικά με τη δύναμη και την τοποθεσία των τροπικών καταιγίδων και άλλων καιρικών συστημάτων.

Ένα terabyte ισούται με ένα τρισεκατομμύριο bytes. Αυτό είναι 1, 000, 000, 000, 000 bytes πληροφοριών. Θα γράψετε ένα τρισεκατομμύριο byte σε επιστημονική ένδειξη ως 1. 0 x 10

12 ^{. Για να το βάλετε αυτό σε προοπτική, θα χρειαστείτε περίπου 1, 500 CD για να αποθηκεύσετε ένα μόνο terabyte. Συμπεριλαμβανομένων των πλαστικών περιβλημάτων τους, που θα στοιβάζονταν ως ένας ψηλός πύργος των CD των 40 ποδιών.} Ένα άλλο παράδειγμα χρήσης μεγάλων δεδομένων στην πρόβλεψη καιρού πραγματοποιήθηκε κατά τη διάρκεια του τυφώνα Sandy το 2012 - η "καταιγίδα του αιώνα. "Το Εθνικό Κέντρο Τυφλών μπόρεσε να χρησιμοποιήσει μεγάλη τεχνολογία δεδομένων για να προβλέψει την ξηρασία του τυφώνα σε απόσταση 30 μιλίων, πέντε ημέρες νωρίτερα. Αυτή είναι μια δραματική αύξηση της ακρίβειας από ό, τι ήταν δυνατόν ακόμη και πριν από 20 χρόνια. Ως αποτέλεσμα, η FEMA και άλλες οργανώσεις διαχείρισης καταστροφών ήταν πολύ καλύτερα προετοιμασμένες για να αντιμετωπίσουν το χάος από ό, τι θα μπορούσαν να είχαν αν είχαν συμβεί στη δεκαετία του 1990 ή νωρίτερα.

Μια από τις ενδιαφέρουσες συνέπειες της συλλογής και επεξεργασίας περισσότερων καιρικών δεδομένων είναι η εμφάνιση εταιρειών που πωλούν εξατομικευμένες ασφάλειες για προστασία από τις καιρικές συνθήκες. Ένα παράδειγμα είναι η Climate Corporation, η οποία ιδρύθηκε το 2006 από δύο πρώην υπαλλήλους της Google. Η Climate Corporation πωλεί υπηρεσίες πρόγνωσης καιρού και εξειδικευμένη ασφάλιση στους αγρότες που επιδιώκουν να αντισταθμίσουν τον κίνδυνο ζημιών στις καλλιέργειες. Η εταιρεία χρησιμοποιεί μεγάλα δεδομένα για να εντοπίσει τους τύπους κινδύνων που σχετίζονται με μια συγκεκριμένη περιοχή, βασισμένος σε τεράστιες ποσότητες δεδομένων σχετικά με την υγρασία, τον τύπο του εδάφους, τις αποδόσεις των προηγούμενων καλλιεργειών κ.ο.κ.

Η γεωργία είναι μια εξαιρετικά επικίνδυνη επιχείρηση, επειδή η μεταβλητή του καιρού είναι πολύ λιγότερο προβλέψιμη από τις μεταβλητές που επηρεάζουν τις περισσότερες άλλες επιχειρήσεις, όπως τα επιτόκια, η κατάσταση της οικονομίας κ.ο.κ. Παρόλο που η ασφάλιση αγροκτήματος είναι διαθέσιμη από την ομοσπονδιακή κυβέρνηση, σε πολλές περιπτώσεις δεν αρκεί να συναντήσουμε τα πιο εξειδικευμένα είδη κινδύνων που μαστίζουν μεμονωμένους φαναρίτες. Η κλιματική εταιρία καλύπτει τα κενά στην ομοσπονδιακή ασφάλιση - τα κενά που θα ήταν αδύνατο να προσφερθεί χωρίς μια καλύτερη κατανόηση των παραγόντων κινδύνου που αντιμετωπίζουν μεμονωμένοι αγρότες. Στο μέλλον, καθώς θα είναι διαθέσιμα περισσότερα δεδομένα, ενδέχεται να διατίθενται ακόμα πιο εξειδικευμένα ασφαλιστικά προϊόντα (όπως η ασφάλιση συγκεκριμένων καλλιεργειών).