Fjärilseffekten – en kort introduktion till kaos

fjärilseffekten

”En fjärils vingslag i Brasilien kan orsaka en tornado i Texas”

Du har väl hört citatet förut? Det brukar dyka upp när man ska beskriva hur oerhört svårt det är att göra väderprognoser på lång sikt och myntades av meteorologen och matematikern Edward Lorenz (1917-2008).

Under 50- och 60-talen skapade Lorenz en enkel vädermodell med tolv olika väderparametrar (temperatur, vindstyrka, nederbördsmängd, mm.). Han matade in några startvärden i modellen och fick prognoser som såg rimliga ut såtillvida att vädret utvecklades utan att börja upprepa sig. Det berättas att Lorenz en dag ville upprepa en del av simuleringen som han gjort tidigare, men istället för att slösa tid på att låta beräkningen köra från början knappade han in värden från en utskrift från den tidigare simuleringen och lät programmet köra från det startläget. Döm om hans förvåning när datorn en stund senare började spotta ur sig en väderutveckling som var helt olik den förra! Efter att ha tagit sig en rejäl funderare konstaterade Lorenz att det hela måste berott på att de värden han matat in från utskriften var avrundade. Att en liten skillnad i utgångsläget kan innebära en jättestor avvikelse i slutändan är just vad kaosteori handlar om!

Låt oss ta ett annat exempel. Tänk dig att du har ett runt biljardbord med en cirkelformad pelare i mitten (se bilden nedan om det är svårt att föreställa sig!). Skjuter du en boll från kanten in mot mitten kommer den att studsa fram och tillbaka i en viss bana. Startar du sen lite förskjutet till höger men skjuter med samma vinkel kommer bollen att studsa i en likadan men något förskjuten bana. Tänk dig nu istället ett biljardbord format som en idrottsstadion (se bilden igen!). Skjuter du två bollar med samma vinkel men lite olika startposition kommer de snart att studsa på helt olika sätt. Även om man kan räkna ut precis hur en boll kommer att studsa så är starten väldigt avgörande för slutresultatet efter ett visst antal studsar. Kaos enligt definitionen!

Biljard

Biljard på ett runt bord jämfört med ett stadionformat.

Varför är då meteorologin kaotisk? Varför går det inte att göra en perfekt beräkning av hur vädret kommer att bli varje dag de närmaste veckorna?

En av anledningarna är att vi aldrig kommer att ha alla mätningar som behövs. En av de mest använda vädermodellerna som räknar ut vädret över hela jordgloben kommer från ECMWF (European Centre for Medium-Range Weather Forecasts). Den senaste versionen har 9 km mellan beräkningspunkterna fördelat över hela jordytan. Dessutom finns det här rutnätet på många vertikala nivåer. Totalt är det 904 miljoner beräkningspunkter! Jag upprepar: 904 MILJONER beräkningspunkter!

ECMWF 9km

Alla vädermodeller har ett rutnät (grid) med beräkningspunkter där vädret beräknas. Bild från ECMWF

För att få ett perfekt utgångsläge måste man ha kunskap om hur vädret är i alla dessa beräkningspunkter vid en given tidpunkt. Och det säger väl sig själv att det är omöjligt att ha så många mätstationer!

Dessutom finns det en del fel i själva vädermodellen. Meteorologin är ingen exakt vetenskap och även om det finns matematiska formler som kan beskriva luftens storskaliga rörelser blir det betydligt svårare när man kommer ner på den minsta skalan. När det gäller turbulens (oregelbundna små luftrörelser) måste man använda parametriseringar, det vill säga förenklingar av det verkliga fenomenet. Dessutom vet vi inte exakt hur atmosfären fungerar i alla avseenden – forskning pågår! Varje sånt här litet fel eller avrundning växer och i när beräkningen pågått tillräckligt länge kan en sån avrundning vara avgörande för hela prognosens utveckling! Det där med en fjärils vingslag är alltså inte bara tomma ord.

Ett smart knep som man har kommit på för att kringgå det här problemet (i alla fall litegrann) är att man avsiktligt lägger in små ”fel” i indatat till vädermodellen. Förutom den primära beräkningen körs 50 extra simuleringar med dessa introducerade störningar. När datorn har räknat klart kan man jämföra de olika resultaten från beräkningarna och på så sätt får man ett mått på hur osäker prognosen är och vilka andra tänkbara scenarion det finns. Detta kallas ensembleprognos-system (EPS) och du kan läsa mer om hur det fungerar här.

Som meteorolog gäller det att lära sig vilka väderfenomen som datormodellerna har svårast att hantera. När man vet det kan man sen förmedla den informationen till allmänheten eller berörda kunder på ett helt annat sätt än vad som syns när man tittar på vädret i appen i mobilen. Som du säkert redan vet är grundregeln att osäkerheten ökar ju längre fram prognosen sträcker sig och normalt brukar man säga att tillförlitligheten sjunker drastiskt efter tio dagar. Men förutom tidsaspekten finns det också annat som kan vara klurigt för datorerna att fixa:

  • Lokala fenomen Smällkalla vinterdagar sjunker temperaturerna ofta mer än vad modellerna förutsagt, särskilt om det är klart väder och svaga vindar. Ibland kan modellen ha 15 grader fel, och det är ju ganska stor skillnad på om det är -20 eller -35 grader. Men ofta är det då också stora lokala variationer i temperaturen och det är inte omöjligt att modellen hade rätt bara några mil därifrån. Sommartid handlar svårigheten mest om att träffa rätt på var regn- och åskskurarna hamnar. Vädermodellerna brukar ha en bra gissning, men vill man själv förbättra sina chanser att gå torrskodd rekommenderas att man kikar på radarbilderna innan man ger sig ut!
  • Vågbildningar Kall- och varmfronter skiljer de kalla och de varma luftmassorna från varandra och att ha koll på fronternas läge är ett bra hjälpmedel för oss meteorologer för att förstå vädret. Ibland kan det bildas en utbuktning på fronterna, en våg, som gör att fronten byter håll och övergår från en kallfront till en varmfront just där. Här är det mycket energi i omlopp och risk för att det snabbt kan ske stora väderförändringar som datormodellen missat!
  • 5b Lågtryck som drar upp från Polen kan vara extra lynniga! Läs mer om dem här!
  • Låga moln och dimma Det här är verkligen inte vädermodellernas starkaste sida och låga moln är en av de parametrar som vi brottas mest med! Det gäller att få mixen av de bildande och upplösande faktorerna helt rätt. Hur stark är solinstrålningen? Blåser det in kallare eller varmare luft? Blir det torrare eller fuktigare?

För en meteorolog handlar jobbet alltså om att försöka bringa ordning i oredan och pussla ihop den prognos som blir mest träffsäker. Och kom ihåg att nästa gång du frågar en meteorolog ”Hur var det på jobbet idag?” och får svaret ”Det var kaos!” behöver du inte vara orolig. Allt är som vanligt!

Det här inlägget postades i Meteorologi och meteorologens arbete, Väderprognoserna. Tagg: , , , , , , , , . Bokmärk permalänken.

Kommentointi poistettu