Tento článek vyšel v časopise SNOW 100 (prosinec/leden 2016/17).


Zní to jako příběh ze žánru sci-fi a stejně tak ve vědeckofantastické rovině zůstává i dneska stoprocentně správná předpověď. Proč? Neřešitelných problémů je víc, zatím. Třeba už za dalších 100 let budeme mít i spolehlivé sezónní předpovědi. Počítám-li správně, přečtete si o nich asi tak v pětistém vydání SNOW. Skromně doufám, že by to mohlo být i dřív.

Doba „dávno předmodelová“

Vědecký přístup k meteorologii měl už Aristoteles a jeho Meteorologica, vysvětlující základní principy vzniku mraků, deště, bouřek, větru a dalších fenoménů počasí, ovlivnila vědění v této oblasti na skoro 2000 let. Zásadní rozvoj nastal po vynálezu teploměru na začátku 17. století. V roce 1780 vznikla první světová meteorologická společnost, která spojovala 39 měřicích stanic na světě. Mimochodem, bylo mezi nimi i Klementinum. Problémem ale pořád zůstával přenos dat. Pokrok nastal objevem telegrafu v roce 1837 a hlavně pak díky spojení Ameriky a Evropy pomocí Marconiho bezdrátové technologie. Od roku 1901 se tak sbírají meteorologická data po celém světě.


Takhle měla vypadat „předpovědní továrna“.

Doba „těsně předmodelová“

V té době, tedy počátkem 20. století, sestavil profesor Bjerknes základní rovnice chování atmosféry. To podstatné byl jím prezentovaný fakt, že na základě stávajícího stavu lze pomocí těchto rovnic předpovídat stav budoucí. Jenže, rovnice byly tak složité, že se s jejich řešením muselo počkat až do vynálezu výkonných počítačů. První pokusy o ruční řešení byly tristní. V letech 1916 až 1922 se britský matematik Lewis Fry Richardson pokusil o šestihodinovou předpověď, ale výpočet mu trval šest týdnů. Přesto se nevzdával a tvrdil: „Tento projekt je komplikovaný, protože atmosféra je komplikovaná.“ Uvažoval dokonce o jakési předpovědní továrně, kde by pracovalo 64 000 výpočtářů. A realita mu nakonec dala za pravdu.

Doba „raně modelová“

K snad nejvýznamnějšímu posunu došlo v roce 1946, kdy John von Neumann přišel s myšlenkou, že předpověď počasí je přirozený numerický proces, který se dá spočítat na prvním světovém počítači ENIAC. Tým pod vedením Jula Charneyho začal tento úkol řešit 5. března 1950. Provedli za 33 dní čtyři 24hodinové předpovědi pro oblast Severní Ameriky, přitom se počítalo pro čtverce 736 x 736 km a výpočet trval 24 hodin. Při výpočtu se spotřebovalo kolem 100 000 děrných štítků. I navzdory tomu, že byl použit velký krok sítě a rovnice byly hodně zjednodušené, byla předpověď relativně správná. Tím se vlastně až po 50 letech potvrdilo, že cesta numerické předpovědi počasí je správná. A od roku 1955 se počítače začaly uplatňovat při předpovědi pravidelně.

Jak model funguje?

Numerický model je tedy soustava složitých rovnic, které co nejpřesněji popisují chování atmosféry. Představit si ho můžeme jako „černou skříňku“, do které na straně jedné vstupují data z meteorologických stanic, družic, radarů, meteorologických sond, bójí apod. a na druhé straně z něj vystupuje předpověď počasí ve formě údajů o základních meteorologických prvcích, jevech apod. Tyto údaje jsou vykreslovány buď do map, nebo do meteogramů. Pokud nás zajímá jeden termín – například zítřejší poledne a počasí v celém Česku, volíme mapový výstup. Pokud chceme vědět, jak bude v konkrétním místě po několik následujících hodin či dnů, volíme meteogram.

Druhy modelů z uživatelského hlediska

Model nepočítá budoucí počasí pro každý bod v prostoru, ale vždy jen pro jediný bod ležící v jednom ze sítě kvádrů, kterou jsme reálnou atmosférou proložili. Každému takovému bodu je přiřazena jedna nadmořská výška – ať už jakási průměrná výška terénu v dané čtverci, nebo výška nad zemí, pokud počítáme parametry počasí ve volné atmosféře. Právě podle toho, jak hustá je síť výpočtu, rozlišujeme modely lokální (např. Aladin), které mají krok sítě řádově jednotky kilometrů a počítají pro určitou omezenou oblast na kratší dobu, a modely globální (např. GFS), jejichž krok sítě jsou řádově desítky kilometrů a počítají například pro celou polokouli na období až deseti dnů. Hledáme-li tedy prognózu na delší dobu, pak nezbývá než sáhnout po modelu s větším krokem sítě a výpočet pak dodatečně upřesnit lokálním modelem až v okamžiku, kdy už začne počítat období, které nás zajímá.


Modely počítají předpověď pro různě velké pomyslné kvádry – do každého jednu hodnotu různých meteorologických veličin.

Proč nebude nikdy předpověď přesná?

Jednoduše proto, že model se od skutečné atmosféry liší v mnoha ohledech. Zkusme aspoň trochu přiblížit ty nejpodstatnější.

Výpočetní síť

Protože model počítá v určité síti, je modelová předpověď odlišná od reality. Jednak skutečná nadmořská výška, pro kterou nás předpověď zajímá, nemusí nutně odpovídat té, pro kterou model počítá – zvlášť v členitém horském terénu. A druhá odlišnost: i ve stejné nadmořské výšce se nemusí počasí na vzdálenosti desítky kilometrů podobat. Stačí například jen, aby byla někde větší koncentrace vodních ploch, díky kterým bude ve vzduchu víc vlhkosti, a můžou se vytvořit místní mlhy apod. Logicky, čím hustější je síť oněch kvádrů, tím teoreticky lépe odpovídá výpočet reálu.

Parametrizace některých procesů

Některé procesy, které se odehrávají v atmosféře, jsou ale natolik malé, že je ani ty nejdetailnější modely nedokážou zachytit. Například kupovité mraky, které mají rozměry od pár stovek metrů po maximálně jednotky kilometrů. Pro počasí jsou ale velmi důležité, a tak nezbývá než je parametrizovat, tedy jejich výskyt podle jistých indicií předpokládat.

Zjednodušení dalších procesů

I samotné rovnice, které popisují základní atmosférické procesy, jsou do jisté míry zjednodušené. Meteorologové, kteří se modelováním zabývají, hledají vždycky ta nejlepší přiblížení, přesto se ale „idealizaci“ některých procesů vyhnout nemůžou. I tato zjednodušení přinášejí do výsledných předpovědí další chyby.

Nahodilost vstupních dat

K nesrovnalostem přispívá i fakt, že data vstupující do modelu nejsou naprosto přesná – mohou být částečné nahodilá. Čím kvalitnější data do modelu vstupují, tím přesnější výsledek můžeme očekávat.

Teorie chaosu

Opomenout nesmíme ani chaotické chování atmosféry, tzv. deterministický chaos. Už před více než padesáti lety jej popsal Edward Norton Lorenz. Výsledné počasí je podle něj nesmírně citlivé právě na počáteční podmínky. A jakákoli drobná změna ve výchozím stavu může vést k odlišnostem v předpovědi počasí. Jinak řečeno: chyby, které do modelu vneseme spolu se vstupními daty, s časem narůstají. S nadsázkou používal pro popsání chaosu právě Lorenz tohle přirovnání: „Mávnutí křídel motýla v Brazílii způsobí vznik tornáda v Texasu.“


Předpovědní synoptická mapa na 16. 11. 2016 12 UTC

Ansámblové předpovědi nabízejí řešení

Současná meteorologie se umí s některými problémy aspoň částečně vypořádat díky tzv. ansámblovým předpovědím. Jejich princip je jednoduchý: do modelu vstupují nejen reálná naměřená data, ale taky další soubory dat, do kterých jsou uměle vkládány „chyby“. Model tedy spočítá celou řadu výsledků. Například model GFS zobrazuje 20 členů ansámblové předpovědi. A pokud jsou si výpočty podobné, je taková předpověď použitelná – tedy pravděpodobná. Z ansámblových předpovědí se tak dozvíme nejen nejpravděpodobnější vývoj počasí, ale i to, je-li taková předpověď spolehlivá či nikoli, popř. i to, od jakého termínu si musíme dávat pozor – od kdy se může počasí zachovat svým způsobem nahodile.
Ansámblové předpovědi nejsou jedinou možností, jak si s tím, co ještě numerické modely úplně nezvládají, vypořádat. O těch dalších si přečtete v dalších dvou vydáních SNOW.