På grensen for værvarsling

I disse dager skal den europeiske værvarslingsorganisasjonen ECMWF etter planen åpne sitt nye datasenter i Bologna i Italia. Ønskene om stadig bedre værmeldinger krever økt regnekapasitet, og ECMWFs datasentral i Reading i Sør-England har blitt for liten. (ECMWF: The European Center for Medium-Range Weather Forecasts, der Norge og 33 andre land er med.)

Det kreves svært stor datakapasitet for å utarbeide værvarsler. For 10 år siden kunne man gi varsler med bra kvalitet fire dager frem i tid. I dag klarer man fem dager, og opp mot ti dager med redusert nøyaktighet.

Hver ekstra dag frem i tid med høykvalitets varsling krever en tidobling av datamaskinenes regnekapasitet. Datasenteret i Bologna er da også enormt. Iflg. Peter Bauer, forskningsleder ved ECMWF, er det på hele 10 megawatt, og vil få årlige strømutgifter på ca. 110 MNOK.

Og i april kunne HPC Wire melde at den amerikanske værvarslingstjenesten nettopp hadde bestilt en superdatamaskin til en pris på 1,6 milliarder USD, tilsvarende ca. 15 milliarder NOK.

Men kan en slik superdatamaskin bidra til at befolkningen får forberedt seg når uvær er på vei, er den verdt prisen. Tross alt har ekstremvær iflg. kilde 8) kostet over 500.000 liv og 2.000 milliarder USD i materielle skader over de siste 20 år.

Dessuten vil de nye superdatamaskinene til meteorologene kunne bidra sterkt til å forbedre modellene for fremtidig klimautvikling i avhengighet av klimagassutslipp og andre faktorer, samt til utarbeidelse av tilpasningsstrategier, som f.eks. hvilke kornslag som vil kunne dyrkes hvor eller hvor høyt strandlinjen vil ligge om 10, 20 og 50 år avhengig av globale og lokale temperaturforhold, og hvor folk må flytte.

Men forskerne er klare på at den selv den nye amerikanske superdatamaskinen vil være for liten i forhold til behovene om få år. Og flere mener at man nærmer seg grensen for datamaskinenes teoretiske kapasitet, og at man må tenke helt nytt når det gjelder værvarsling.

Den motstrebende meteorolog

Før vi ser nærmere på disse problemstillingene, må vi imidlertid ta for oss utvikling og metodikk i moderne værvarsling. Og det er ikke uten stolthet vi kan konstatere at ikke bare er Norge verdensberømt for å ha usedvanlig mye vær, men vi har også den store pioneren innen moderne værvarsling, nemlig Vilhelm Bjerknes (1862–1951).

Nå skal det sies at den første som forsøkte seg på værvarsling ved hjelp av vitenskapelig metoder, levde lenge før Bjerknes. Det var Benjamin Franklin (1706–1790), amerikansk politiker og vitenskapsmann. I 1743 oppdaget han at man ved å observere hastighet og retning for stormene når de beveget seg oppover langs østkysten av Nord-Amerika, kunne beregne omtrent når de ville nå et bestemt område.

Franklins glimrende oppdagelse henrykket imidlertid østkystbefolkningen bare sånn passe, ettersom rytterne som skulle bringe stormvarslene til de som ville bli berørt, brukte lengre tid enn stormen på å komme frem. Det blir liksom ikke helt det samme å bli varslet om katastrofestormen dagen etter at den har slått til.

Først drøye 100 år senere, i 1860, gjorde Samuel Morses telegraf det endelig mulig å formidle værobservasjonene kvikt og sette opp værkart som viste de historiske og antatt fremtidige banene til uværene.

Men det var altså Vilhelm Bjerknes som la grunnlaget for moderne værvarsling. Han var utdannet matematiker med spesialfelt fluiddynamikk: læren om de de kompliserte forholdene i væsker og gasser i bevegelse.

Som et praktisk eksempel på anvendelse av sine fysisk-matematiske teorier, publiserte han i 1904 en artikkel i et tysk tidsskrift med tittel som på norsk ville vært omtrent “Problemet værvarsling sett fra fysikkens og mekanikkens ståsted”.

Der formulerte han det som har blitt kalt Bjerknes’ lov om værvarsling: “Været lar seg varsle hvis man med tilstrekkelig nøyaktighet kjenner atmosfærens tilstand på et bestemt tidspunkt, og med tilstrekkelig nøyaktighet kjenner lovene som styrer utviklingen av atmosfæren fra én tilstand til den neste. Oppgaven blir ved hjelp av fysikkens lover å beregne luftmassenes nye posisjon og fysiske tilstand en kort tid fremover.”

Med dette “enkle praktiske faktum” fastslått hadde Bjerknes egentlig tenkt å gå tilbake til sin forskning innen den generelle fluiddynamikken. Men så spilte skjebnen inn – i form av The Carnegie Institution i Washington. De tilbød nemlig Bjerknes et stipendium som blant annet omfattet lønn til ham selv og to til tre assistenter i 35 – femogtredve – år for at han skulle omsette fluiddynamikk-teoriene sine i praksis på meteorologi og oseanografi.

Dette var et tilbud Bjerknes umulig kunne si nei til, og finansiert av stipendiet la han over årene fundamentet for hvordan man med utgangspunkt i været i et bestemt lite område ved hjelp av komplisert – men overkommelig – fysikk og matematikk kan beregne været i de tilstøtende områder.

Det er dette prinsippet man fremdeles benytter i dag. Området man vil studere (f.eks. hele Jorden) deles opp horisontalt og vertikalt i et gittermønster, der tettheten av cellene i gitteret er avhengig av hvor mange værobservasjonspunkter (fra satellitter og målestasjoner på land og hav) man har og hvor stor regnekapasitet man disponerer over.

ECNWF opererer fra 2016 med et horisontalt gitter med avstand mellom gittercellene på 9 km, samt 137 høydenivåer opp til 80 km høyde. Når det gjelder høydenivåene, blir avstanden mellom dem større og større jo lenger man kommer fra jordoverflaten, med 14 nivåer fra 0 til 500 meter, 7 nivåer mellom 500 og 1.000 meter osv.

Totalt har da ECNWF delt opp atmosfæren over hele Jorden opp til 80 km høyde i 904 millioner celler, eller meldingspunkter – “prediction points”, som meteorologene gjerne kaller det. Jfr. kilde 5 og 7.

På oppslagsbildet er målecellene vist som kubuser – terninger. Det er litt misvisende, ettersom bl.a. ECMWF nå benytter oktaedre, som er bygget opp av åtte likesidete trekanter i en konfigurasjon som matematikerne kaller Octahedral Reduced Gaussian Grid.

Kaos og sommerfugler

Selv om værmelderne ikke observerer og beregner været i alle de 904 millioner målecellene, sier det noe om omfanget av praktisk værvarsling at yr.no faktisk melder været for hele 13 millioner steder på Jorden. Og selv om yr.no er en stor værmeldingstjeneste også i verdenssammenheng, er den langt fra den største.

Det kreves som nevnt en tidobling av regnekapasiteten om man skal utvide værvarsling av tilfredsstillende kvalitet med én dag frem i tid. Her kommer værets kaotiske karakter inn.

Når matematikerne snakker om “kaos”, er det ikke slik legfolk bruker ordet, dvs. om noe som representerer total uorden. Matematisk kaos kan nemlig oppstå i såkalt deterministiske systemer, dvs. systemer som er godt definert, følger kjente fysiske lover og er uten tilfeldige parametere. Atmosfæren er et slikt kaotisk system. Ytterst små unøyaktigheter i målingen av startbetingelsene kan medføre en eksponentiell og uforutsigbar spredning av beregningsresultatene.

Dette ble konstatert i praksis på 1960-tallet av matematikeren og meteorologen Edward N. Lorenz (1917–2008). Datamaskinene den gang var svært langsomme sammenlignet med dagens, og for å få litt raskere resultater i værvarslingsberegningene sine rundet Lorenz av en av de 12 sekssifrede inputparametrene fra 0,506127 til tresifrede 0,506. Man skulle ikke tro at denne avrundingen ville bety noe for sluttresultatet, men det gjorde det til gagns!

Lorenz kalte fenomenet for sommerfugleffekten: “Vingeslagene til en sommerfugl i Brasil kan utløse en tornado i Texas”, som han uttrykte det i en berømt forelesning i 1972.

Meteorologene må ta hensyn til sommerfugleffekten. De kan f.eks. aldri være 100% sikre på observasjonene fra værstasjonene. Selv de beste instrumenter vil ha en viss måleunøyaktighet, og den kan bli større hvis det er en stund siden instrumentene har vært kalibrert. Derfor opererer dagens værvarslere med noe de kaller ensemble-varsling.

Ensemble-varsling betyr at meteorologene utarbeider et helt sett med beregninger der hovedscenarioet er det som observasjonene tilsier, men hvor det i tillegg gjennomføres beregning av en rekke andre scenarioer, der startbetingelsene er endret ørlite grann. ECMWF gjennomfører i sin ensemblevarsling hele 51 slike parallelle beregninger, og får da et sett med utfall med varierende sannsynlighet. Jfr. figur.

Værvarslingen blir altså aldri helt eksakt, men representerer det mest sannsynlige utfallet innen et sett med beregnede alternativer.

Grensene for datakapasitet

Med stadig mindre celle i målenettene, kravene til å varsle lenger frem i tid og stadig mer omfattende ensemble-varsling, stiger behovet for datakapasitet eksponentielt. Den amerikanske 15-milliardersmaskinen blir fort for liten.

En av de store guruene innen matematisk vær- og klimavarsling, Venkratami Balaji ved Princeton University, har i en svært interessant artikkel fra juli i år (kilde 3), ikke bare demonstrert sin beundring for vår norske helt Vilhelm Bjerknes, men beskrevet hvordan man nærmer seg den fysiske grensen for datamaskinkapasiteten.

De fleste av Kapitals lesere kjenner Moores lov, som sier at den tekniske utviklingen gjør at antall transistorer pr. flateenhet i datamaskinene vil doble seg hver 18. måned. Dette har stemt i mange år, men nå sier Balaji at transistorene er så små at de er bare 30 atomer i diameter (5 milliondeler av en millimeter). Vesentlig mindre er det rett og slett fysisk umulig å bygge dem.

Forskerne snakker derfor om kvantecomputere, og – ikke minst – maskinlæring (ML) der computerne lærer av sine erfaringer. Balaji er også innom kunstige neuronettverk (Artificial Neural Networks).

Men han går enda lenger, og leker med tanken på at man i fremtiden kanskje går helt bort fra de digitale nettverkscelleberegningene (de 904 millioner målepunktene) og går tilbake til analog mønstergjenkjennelse – pattern recognition – av typen “er skyene tunge og grå, kan det komme regn”.

“Det er den samme situasjonen Vilhelm Bjerknes i sin tid opplevde. Han måtte gå tilbake til analog værvarsling fordi han ikke disponerte datamaskiner til å foreta det store antall kompliserte beregninger som var nødvendig. Nå kan vi assistere den analoge metoden med satellittbilder, datamaskiner og kunstig intelligens. Analog værvarsling kan faktisk være fremtiden,” sier Balaji.