Evrimsel Meteoroloji: Biyolojik Evrim, Hava Tahminlerine Işık Tutuyor!

Hava tahmincileri büyük miktardaki veri içinden örüntüleri bulmak ve sıralamak için istatiksel modellere güvenirler. Yine de halen hava durumunu tahmin etmek inatçı bir şekilde zor, çünkü atmosfer sürekli değişim halinde... Wisconsin Üniversitesi'nden meteorolog Paul Roebber, şöyle diyor:

Atmosferin şu andaki halini ölçtüğümüzde üç boyutlu uzaydaki her noktasını ölçmüyoruz. Ölçmediğimiz yerler için ara değer hesabı yapıyoruz.

Tutarlılığı arttırmak için tahminciler sadece bir modele güvenmez. “Topluluk” modellemeyi kullanırlar. Topluluk modelleri birçok modelin ortalamasını almaktadır. Ama topluluk modellemesi yeni veriler eklenmedikçe ya da toplanmadıkça çok da tutarlı değildir. İşlemsel olarak "pahalı" da olabilir.

Roebber, Charles Darwin’in Evrim Teorisi'nin matematiksel bir benzerini uyguladı. Geliştirdiği metotta bir bilgisayar programı, 10.000 parçaya ayrılarak her seferinde kendini geliştiriyor. Tıpkı kalıtım, mutasyon ve doğal seçilim yoluyla canlıların evrimleşmesi gibi... Atmosferik bilimlerin önemli profesörlerinden biri olan ve 2012'den beri bu metot üzerine çalışan Roebber şöyle anlatıyor:

Bu yöntem, ilk bakışta, atmosferi bir pastaymış gibi dilimlemeye benziyor. Bunu yapabilmek için 2016'da 500,000 dolar bütçe aldım.

Tahmin metodu, Ulusal Hava Servisi'nin kullandığı modellerde iyi sonuçlar verdi. Roebber’in evrimsel metodolojisi standart hava tahmini modellemesi ile karşılaştırıldığında ve tahminlerin en tutarlı olması gerektiği zamanlarda yani uzun vade tahminler ve ekstrem olaylarda oldukça iyi performans gösterdi.

Amerika Birleşik Devletleri ekonomisinin %30-40’ı öyle veya böyle, bir şekilde, hava tahminlerine bağlı. Yani tahminlerde küçük bir iyileşme; nakliye, kamu hizmetleri, inşaat ve tarımsal ticarette milyonlarca dolar kazandırabilir. Topluluk modellerindeki sorun ise modellerin içerdiği verilerin çok benzer olmaya eğilimli olmalarıdır. Bu sorun da uygun değişkenlerin, uygun olmayan değişkenlerden ayırt edilmesini zorlaştırıyor. Verileri daha fazla biriktirmeden nasıl çeşitlilik kazanabilirsiniz? Roebber doğanın bunu nasıl yaptığından esinlendi.

Doğa çeşitliliği tercih eder çünkü tek bir tehdidin bir kerede bütün popülasyonu yok etme ihtimalini ortadan kaldırıyor. Darwin bunu Galapagos Adalarında ki ispinozlarda 1835 yılında gözlemledi. Kuşlar adanın farklı yerlerinde yaşayan küçük gruplara bölündü. Zaman geçtikçe kendi habitatlarına adapte oldukları için kendi içinde de gruplara bölündüler. Bunu hava tahmin modellerine şöyle uyguladı: Roebber mevcut değişkenleri koşullu senaryolara böldü. Bir değişkenin değeri bir koşul altında bir şekilde ayarlandı, ancak başka bir koşul altında farklı şekilde ayarlandı. Bilgisayar programı amacına en uygun olan değişkenleri seçip bunları tekrar birleştirdi. Hava tahmini açısından bunun anlamı şudur: Oluşturulan bu küçük modeller tutarlılığı arttırmaktadır çünkü yararsız özelliklerin çoğunu engelliyorlar. Roebber şöyle anlatıyor:

Bununla biyoloji arasındaki fark ise gelecek nesillerin (modellerin) daha iyi olmalarını istedim, hayatta kalmalarını değil.

Roebber hala bu tekniği 7 günlük en yüksek ve en düşük sıcaklığı tahmin etmek için kullanıyor. Roebber çoğu zaman disiplinler arası çalıştığını düşünüyor. 10 yıl önce beyindeki nöronlar gibi düzenlenmiş tahmin simülasyonları oluşturmak için iş başındaydı. Bundan sonra, Ulusal Hava Servisi tarafından kullanılan ve kar yağışı tahminini ciddi anlamda geliştiren “yapay sinir ağı” aracını yarattı.