Miért romlik a pontosság a harmadik nap után, és meddig érdemes előre nézni

Az okostelefonos időjárási alkalmazások világában megszokottá vált, hogy 14 vagy akár 30 napra előre tekintő időjárási táblázatokat böngészünk. A felhasználók joggal teszik fel a kérdést: ha a technológia képes megmondani a hőmérsékletet két hét múlva keddre, miért változik meg ez a szám napról napra, és miért ér bennünket váratlan eső már a negyedik napon?

A válasz nem a meteorológusok felkészületlenségében vagy a szuperszámítógépek elégtelenségében rejlik, hanem a légkör fizikai természetében: a légkör egy nemlineáris, kaotikus dinamikai rendszer.

A káoszelmélet és a légkör kiszámíthatósági korlátja

A meteorológiai előrejelzések elvi korlátját Edward Lorenz amerikai matematikus és meteorológus fedezte fel 1961-ben. Amikor egyszerűsített légköri egyenletrendszerét számítógépen futtatta, észrevette, hogy ha a kezdeti adatokat a kerekítési pontosság legkisebb mértékével (például 0,506127 helyett 0,506-ra) megváltoztatta, a szimuláció néhány hét szimulált idő után teljesen eltérő időjárási mintázatot eredményezett.

Ezt a jelenséget nevezzük pillangó-hatásnak (butterfly effect): egy nemlineáris rendszernél a kezdeti feltételek elhanyagolhatóan kicsi eltérése exponenciálisan növekvő különbségeket generál a jövőbeli állapotban.

$$E(t) = E_0 \cdot e^{\lambda t}$$

Ahol $E_0$ a kezdeti mérési hiba, $\lambda$ a rendszert jellemző Lyapunov-exponens, $t$ pedig az eltelt idő. Mivel a Föld felületén nem tudunk minden egyes köbméter levegőben hőmérőt és szélsebesség-mérőt elhelyezni, a kezdeti $E_0$ hiba soha nem lesz nulla. Ennek következtében az előrejelzés hibája az idő előrehaladtával megállíthatatlanul növekszik.

Az előrejelzési időtávok megbízhatósági sávjai

A meteorológiában az időtávokat a fizikai folyamatok kiszámíthatósága alapján különböző kategóriákba soroljuk.

1. Ultra-rövid táv és mostalkotás (0 – 12 óra)

Ezen az időtávon a pontosság megközelíti a 95–98%-ot. A számszerű modellek mellett a meteorológusok elsősorban a valós idejű radar- és műholdképeket használják.

• Mire használható: Konkrét záporok, zivatarok, felhőszakadások pontos helyének és idejének meghatározására járási szinten.
• Megbízhatóság: Kiemelkedően magas.

2. Rövid táv (1 – 3 nap / 24 – 72 óra)

A modern numerikus modellek (ECMWF, AROME) ezen az idősíkon érnek el csúcsteljesítményt. A nagyléptékű időjárási rendszerek (ciklonok, anticiklonok, frontvonalak) helyzete és a várható hőmérsékleti maximumok 90% feletti pontossággal jelezhetők előre.

• Korlátok: Bár a front átvonulásának napja biztos, a front pontos érkezési ideje még 48 órával korábban is ingadozhat 2–4 órás időablakban. A nyári lokális konvektív zivatarok pontos kirobbanási pontja (melyik falu felett alakul ki a vihar) ezen a távon sem határozható meg pontszerűen.

3. Középtáv (4 – 7 nap / 96 – 168 óra)

A 3. és 4. nap határán a modellfuttatások közötti eltérések kezdenek láthatóvá válni. A pontosság átlagosan 70–80%-ra csökken.

• Mi történik ezen a távon? A modellek még megbízhatóan jelzik a nagyléptékű légköri hullámok (Rossby-hullámok) mozgását — vagyis azt, hogy hideg vagy meleg periódus érkezik-e. Ugyanakkor a csapadék pontos mennyisége és a szélsebesség csúcsértékei már jelentős bizonytalanságot hordoznak. A 4. napon túl a determinisztikus egyetlen modellvonal helyett kizárólag az ensemble szórási sávokat érdemes vizsgálni.

4. Kiterjesztett középtáv (8 – 14 nap)

Ezen az időtávon az egyedi napokra vonatkozó pontszerű értékek megbízhatósága 50% alá süllyed, ami sok esetben már nem jobb a szociális emlékezetnél vagy a több évtizedes éghajlati átlagnál (klimatológiánál).

• Értelmezés: Ha egy 12 napos előrejelzésben 24°C és eső szerepel jövő hét csütörtökre, azt nem szabad konkrét tényként kezelni. Ezen a távon az előrejelzés mindössze annyit közöl, hogy a Kárpát-medence térségében az átlagosnál hűvösebb vagy nedvesebb légtömeg jelenléte a valószínűbb.

5. Hosszú táv és szezonális kitekintés (14 napon túl)

Két héten túl a légkör kaotikus jellege miatt a napi előrejelzés elvi képtelenség. A 30 napos grafikonok, amelyek egy adott napra konkrét fokot jelölnek meg, félrevezetőek. A szezonális előrejelzések kizárólag anomáliákat adnak meg: például azt, hogy a júliusi hónap átlagosan 1-2 fokkal melegebb vagy szárazabb lesz-e a 30 éves klímaátlagnál.

Kistérségi vs. nagyléptékű folyamatok kiszámíthatósága

A pontosság romlása nem egyenletes a különböző időjárási jelenségeknél. A meteorológiában megkülönböztetünk méretbeli és időbeli skálákat:

• Nagyléptékű (szinoptikus) jelenségek: Egy 1000 kilométer átmérőjű mocsaras ciklon vagy egy Európát beborító anticiklon lassan mozog és stabil. Ezeket a modellek 5-7 nappal korábban is jó hatásfokkal jelzik.
• Kisméretű (mezoskálájú) jelenségek: Egy 5-10 kilométeres nyári zivatarcella élettartama alig 1-2 óra. Egy ilyen cella kialakulását 3 nappal korábban méterre és percre pontosan megjósolni a fizika törvényei miatt lehetetlen.

Miért kínálnak az okostelefonos appok mégis 14-30 napos előrejelzést?

A kereskedelmi időjárási alkalmazások piacán óriási a verseny a felhasználók figyelméért. A szolgáltatók tisztában vannak azzal, hogy a lakosság szívesen tekint előre a nyaralások vagy rendezvények tervezésekor.

Ezért a nyers számszerű modellek (pl. a GFS kiterjesztett futtatásának) kimenetét automatikusan átalakítják napi hőmérsékleti ikonokká, anélkül, hogy megjelenítenék a mögöttük rejlő óriási bizonytalanságot. A tudományos valóság azonban az, hogy a 10. napon túli konkrét számok gyakorlatilag statisztikai fiktív értékek.

Összegzés: Hogyan használjuk az időtávokat?

A meteorológiai tudatosság kulcsa az időtávok helyes kezelése. A 1-2 napos előrejelzéseket tekintsük operatív utasításnak, a 3-5 napos adatokat iránymutatásnak, a 6 napon túli értékeket pedig pusztán valószínűségi trendeknek. Aki 10 nappal korábban mond le egy szabadtéri eseményt egyetlen időjárási alkalmazás száma miatt, az a káoszelmélet törvényeit figyelmen kívül hagyva dönt.