வானிலை முன்னறிவிப்பு என்றால் என்ன

வானிலை முன்னறிவிப்பு என்றால் என்ன.

வானிலை என்பது வளிமண்டலத்தில் ஏற்படும் தற்காலிக மாற்றம். ஆனால் காலநிலை என்பது வளிமண்டலத்தில் நீண்ட கால மாற்றம். உதாரணமாக, புவி வெப்பமடைதல் காலநிலை மாற்றம் என்று அறியப்படுகிறது. ஆனால் வளிமண்டலத்தில் நாளுக்கு நாள் ஏற்படும் மாற்றங்கள் வானிலை எனப்படும்.

இப்போதெல்லாம் வானிலையை முன்கூட்டியே கணிக்க ஆன்லைனில் தொழில்நுட்பங்கள் உள்ளன. ஆனால் அந்தத் தரவுகளை எப்படிப் பெறுவது.

இன்று பல்வேறு மாவட்டங்களுக்கு சிவப்பு, மஞ்சள், ஆரஞ்சு போன்ற பல்வேறு எச்சரிக்கை விடுக்கப்பட்டுள்ளது.

பொதுவாக, விவசாயம், மீன்பிடித்தல், கட்டுமானப் பணிகள், விமானத் தொழில், கப்பல் தொழில், விளையாட்டு நிகழ்வுகள், பாதுகாப்பு மற்றும் ராணுவம், வானிலை முன்னறிவிப்பு இந்த எல்லாத் துறைகளிலும் முடிவெடுப்பதில் முக்கிய பங்கு வகிக்கிறது.

வானிலை ஆய்வாளர்கள் வானிலை முன்னறிவிப்பது மற்றும் பல்வேறு வண்ண விழிப்பூட்டல்களாகப் பிரிப்பது எப்படி?
இந்தத் தரவுகளை எங்கிருந்து பெறுகிறார்கள்?
இந்தத் தரவுகளில் அவர்கள் எப்படி உறுதியாக இருக்கிறார்கள்?
இந்த கணிப்புகளை நாம் நம்பலாமா வேண்டாமா?

வானிலை முன்னறிவிப்பு தரவு மிகவும் முக்கியமான ஒன்றாகும், இந்தியாவில் பலர் இதைப் பயன்படுத்துவதைக் கண்டறிய முடியவில்லை. ஆனால் வெளிநாடுகளில் பலர் தங்கள் வீட்டை விட்டு வெளியேறும் முன், வானிலை முன்னறிவிப்பு பயன்பாடுகளைப் பயன்படுத்துகின்றனர்.

வானிலை முன்னறிவிப்பு வரலாற்றில், பல்வேறு தொழில்நுட்ப முன்னேற்றங்கள், துல்லியமாக வானிலையை எவ்வாறு கணிக்கிறோம் என்பதைப் பார்ப்போம்.

இன்று வானிலையை கணிக்க எங்களிடம் ரேடார் அமைப்புகள், வானிலை பலூன்கள், கடல் கண்காணிப்பு மிதவைகள், செயற்கைக்கோள்கள் உள்ளன. ஆனால் நமது முன்னோர்கள் வானிலையை முன்னரே கணித்தது மேகங்களைப் பார்த்துத்தான்.

உயரம், திசை போன்றவற்றுக்கு ஏற்ப பல்வேறு வகையான மேகங்கள் உள்ளன. மேகங்களின் அடுக்குகள் உள்ளன, 2 மேகங்களுக்கு இடையே உள்ள வேறுபாடு என்ன?

மேகங்கள் எந்த வேகத்தில் நகர்கின்றன. இதைப் போலவே அவர்கள் வேறு பல காரணிகளையும் கணித்த வானிலையையும் கணக்கில் எடுத்துக்கொண்டனர்.

மேலும் சூரியன் மற்றும் சந்திரனுடன், அவர்கள் வானிலை கணித்துள்ளனர். உதாரணமாக சந்திரனைச் சுற்றி ஒரு வட்டம் உள்ளது. இது வளிமண்டலத்தில் உள்ள ஈரப்பதத்தைப் பற்றிய விவரங்களைக் கூறலாம் & இதன் மூலம் வானிலையை கணிக்க முடியும்.

இந்த முன்னேற்றங்கள் 1600 – 1800 இல் உருவாகத் தொடங்கியபோது, பல கப்பல்கள் நீரில் மூழ்கத் தொடங்கின, இது உயிர்களை இழந்தது. மேலும் கடுமையான பனிப்பொழிவு காரணமாக பலர் இறக்கத் தொடங்கினர்.

சில ஆசிய நாடுகளில், பல வெள்ளம் ஏற்பட்டது. ஐரோப்பிய நாடுகளில், பல புயல்கள் ஏற்படுகின்றன. மேம்பட்ட தொழில்நுட்பங்களைக் கொண்டு இவற்றைக் கட்டுப்படுத்துவதே தொடக்கப் புள்ளியாக இருந்தது.

டாப்ளர் விளைவு (Doppler effect)

ஆரம்பத்தில், டாப்ளர் விளைவைப் பயன்படுத்தி செயல்படும் டாப்ளர் ரேடார் இருந்தது. இதைப் பயன்படுத்தி, இந்த மழையுடன் மேகத்தின் வேகம் மற்றும் தூரம் அறியப்படுகிறது.

வானிலையை கணிக்க குறுகிய தூர ஆரம் பகுதிக்கு இது பயனுள்ளதாக இருக்கும். ஆனால் செயற்கைக்கோள்கள் கண்டுபிடிக்கப்பட்ட பிறகுதான் வானிலை முன்னறிவிப்பு அடுத்த கட்டத்திற்கு சென்றது.

புவிநிலை செயற்கைக்கோள் (Geostationary Satellite)

புவிநிலை செயற்கைக்கோள்கள் மூலம் நாம் மிகவும் துல்லியமான உலகளாவிய தரவுகளைப் பெற முடியும். இது பூமியின் 3டி ஸ்கேன் செய்வது போன்றது. ஒரு செயற்கைக்கோள் அந்த வேலையைச் செய்தால் அது 2டி ஸ்கேன் ஆகும்.

அதேபோல, 2 செயற்கைக்கோள்கள் பூமியுடன் சேர்ந்து சுழலும் போது பூமத்திய ரேகையை நோக்கி 2 வெவ்வேறு கோணங்களில் ஸ்கேன் செய்தால். இந்த செயற்கைக்கோள்களின் நிலை மாறாமல் உள்ளது, பூமியிலிருந்து பார்க்கும் போது செயற்கைக்கோள் அசையாது போல் தெரிகிறது.

எனவே அதே முன்னோடி புள்ளிகளுடன், இந்த செயற்கைக்கோள்கள் பூமியை ஸ்கேன் செய்கின்றன, இதன் மூலம் வானிலை பற்றிய துல்லியமான தரவுகளைப் பெறுகிறோம்.

இந்த செயற்கைக்கோள் ஒவ்வொரு 30 வினாடிக்கும் புகைப்படம் எடுக்கும்.

இந்த புகைப்படங்களை தொடர்ந்து செயலாக்கும் போது அது ஒரு வீடியோ போல இருக்கும். இதன் மூலம் மேகத்தின் திசை, காற்று ஓட்டம் மற்றும் வானிலை முன்னறிவிப்பு பற்றி தெரிந்து கொள்ளலாம்.

துருவ சுற்றுப்பாதை செயற்கைக்கோள்கள் (Polar Orbiting Satellites).

இந்த செயற்கைக்கோள் மிக முக்கியமான ஒன்றாகும். ஏன் என்றால் இந்த செயற்கைக்கோள் மற்றவர்களை விட அதிக டேட்டாவை தருகிறது. பல துருவ சுற்றுப்பாதை செயற்கைக்கோள்கள் விண்வெளிக்கு ஏவப்பட்டு பூமியைச் சுற்றி வருகின்றன.

துருவ சுற்றுப்பாதை செயற்கைக்கோள் பூமியில் இருந்து 800 கிலோமீட்டர் தொலைவில் சுற்றி வருகிறது. இந்த செயற்கைக்கோள் உயர் தெளிவுத்திறன் கொண்ட புகைப்படங்களையும் தரவையும் வழங்குகிறது.

இந்த செயற்கைக்கோள் ஒரு நாளைக்கு இரண்டு முறை மட்டுமே தரவை வழங்குகிறது ஆனால் அதன் விவரங்கள் மிகவும் துல்லியமானவை.

கத்தியைப் பயன்படுத்தி ஆரஞ்சு பழத்தை உரிப்பது போல, இந்த செயற்கைக்கோள்., அதேபோல், இந்த செயற்கைக்கோள்கள், பூமியைச் சுற்றி மையமாகச் சுற்றி பல்வேறு தரவுகளை நமக்கு வழங்குகின்றன.

குறைந்த சுற்றுப்பாதை செயற்கைக்கோள்கள் (Low orbiting satellites).

அமெரிக்காவிற்கும் சோவியத் யூனியனுக்கும் இடையிலான பனிப்போரின் போது, சோவியத் யூனியன் முதன்முதலில் ஒரு செயற்கைக்கோளை விண்வெளிக்கு அனுப்பியது.

உடனே, ஜான் எஃப் கென்னடி, அமெரிக்கா மனிதர்களை சந்திரனுக்கு அனுப்பப் போகிறது என்று அறிவித்தார், அந்த வீடியோ மிகவும் பிரபலமானது. அந்த காணொளியை உன்னிப்பாக கவனித்தால், வானிலையை முன்னறிவிப்பதற்காக பணம் செலவழிப்பதாக குறிப்பிட்டுள்ளனர்.

இந்த அறிவிப்புக்கு முன்பே, அவர்கள் ஏற்கனவே TIROS I & TIROS II ஐ அறிமுகப்படுத்தியுள்ளனர். TIROS I என்பது விண்வெளிக்கு அனுப்பப்படும் முதல் வானிலை செயற்கைக்கோள் ஆகும். இந்த செயற்கைக்கோள் மேகங்களின் புகைப்படங்களை அனுப்பியது.

இந்த புகைப்படங்கள் மூலம் வெப்பநிலை, காற்றின் வேகம், ஈரப்பதம் பற்றி தெரிந்து கொள்ளலாம். பரந்த அளவில் வானிலையை முன்னறிவிப்பது இதுவே முதல் முறை. TIROS செயற்கைக்கோளுக்குப் பிறகு, வானிலை முன்னறிவிப்பிற்காக நிம்பஸ் செயற்கைக்கோள்கள் விண்ணில் செலுத்தப்பட்டன.

இது சந்திரனில் இறங்குவதற்கு 3 மாதங்களுக்கு முன்பு 1969 இல் தொடங்கப்பட்டது. பூமிக்கு உலகளாவிய தரவுகளை அனுப்பிய முதல் செயற்கைக்கோள் நிம்பஸ்-3 ஆகும்.

பெறப்பட்ட தரவுகளுடன், அவர்கள் அதை ஒரு பெரிய வரைபடத்துடன் பொருத்தி, அவற்றைக் காட்சிப்படுத்தவும் வானிலை முன்னறிவிப்பதற்காகவும் அந்தத் தரவைக் குறித்தனர்.

மைக்ரோவேவ் & இன்ஃப்ராரெட்ஸ் (Microwaves & Infrareds)

மைக்ரோவேவ்ஸ் & இன்ஃப்ராரெட்ஸ் வானிலை பற்றிய மிக முக்கியமான தகவல்களை நமக்குத் தருகின்றன. இது விமானங்கள் மற்றும் செயற்கைக்கோள்களைப் பயன்படுத்தி எடுக்கப்பட்டது.

இயற்கையாகவே, அனைத்து பொருட்களும் சில அளவு நுண்ணலை ஆற்றலை வெளியிடுகின்றன. மேலும் வளிமண்டலக் காற்றில் உள்ள நுண்ணலைகள் பற்றிய தரவுகள் இவற்றைப் பயன்படுத்திக் கண்டறியப்படுகின்றன.

அகச்சிவப்பு மேகங்கள் வழியாகச் சென்று வெப்பநிலை மற்றும் ஈரப்பதம் பற்றிய தரவை நமக்கு வழங்க முடியும்.

மைக்ரோவேவ் மற்றும் அகச்சிவப்பு தரவு இரண்டையும் கொண்டு, செங்குத்து வெப்பநிலை கட்டமைப்பை துல்லியமாக பெறலாம்.

கணினி மாதிரிகள் & உருவகப்படுத்துதல்கள் (Computer models & simulations).

நாம் எல்லா தரவையும் எடுத்தாலும், முதலில் அவற்றை செயலாக்க வேண்டும். முன்பு பயன்படுத்தப்பட்ட செயல்முறை மற்றும் இப்போது பெரிய வேறுபாடுகள் உள்ளன.

அந்த நாட்களில் 2-3 நாட்களுக்குத்தான் வானிலையை கணிக்க முடியும். ஆனால் இப்போது நாம் 10-15 நாட்களில் வானிலை கணிக்க முடியும்.

எண்ணியல் வானிலை முன்னறிவிப்பு மாதிரி ஒரு முக்கியமான ஒன்றாகும். அனைத்து தரவுகளும் உள்ளீடாக & செயற்கை நுண்ணறிவின் உதவியுடன் வழங்கப்படுகின்றன, இது எந்தத் தரவைக் கருத்தில் கொள்ள வேண்டும் அல்லது இல்லை என்பதைக் கூறுகிறது.

இந்த AI தன்னைத் தொடர்ந்து புதுப்பித்துக் கொள்கிறது. ஒவ்வொரு முறையும் தரவு கொடுக்கப்படும் போது, முந்தைய தரவையும் வைத்து கணிக்கின்றது.

இந்த மேம்பட்ட முன்கணிப்புத் தொழில்நுட்பத்தில், எந்தத் தரவை அகற்ற வேண்டும் & எதைக் கருத்தில் கொள்ள வேண்டும், சுய வாசிப்பு மற்றும் சுய பகுப்பாய்வு ஆகியவை இந்த செயற்கை நுண்ணறிவால் மேற்கொள்ளப்படுகின்றன.

அதேபோல், அனைத்து முக்கிய நாடுகளும் வானிலையை கணிக்க பல்வேறு செயற்கைக்கோள்களை வைத்துள்ளன.

மேலும் பல நாடுகள், பிற நாடுகளால் பெறப்பட்ட தரவுகளை திறம்பட முன்னறிவிப்பதில் பகிர்ந்து கொள்வதில் ஒரு ஒப்பந்தம் உள்ளது.

தரவு எவ்வாறு பெறப்படுகிறது, செயலாக்கப்படுகிறது மற்றும் கணிக்கப்படுகிறது என்பதை இப்போது வரை பார்த்தோம்.

செயற்கைக்கோள்கள் முதல் மேம்பட்ட மாதிரிகள் வரை அனைத்து தரவையும் பயன்படுத்துவதன் மூலம், வானிலையை திறம்பட முன்னறிவிப்பதில் துல்லியத்தை நெருங்கி வருகிறோம்.

பட்டாம்பூச்சி விளைவு (Butterfly Effect (Chaos Theory))

ஆரம்பத்தில், இது 20-30% துல்லியமாக இருந்தது, ஆனால் இப்போது நாம் சுமார் 80-90% துல்லியத்தை அடைந்துள்ளோம்.

ஆனால், மீதியுள்ள 10 சதவீதத்தை ஏன் நம்மால் அடைய முடியவில்லை? எதிர்காலத்தில் நாம் அதை அடைவோமா? பின்னர் பதில் இல்லை என்று இருக்கும்.

அதிநவீன தொழில்நுட்பங்கள் இருந்தாலும், வானிலை கணிப்பதில் 100% துல்லியத்தை எங்களால் அடைய முடியாது என்று விஞ்ஞானிகள் கூறுகிறார்கள்.

இதற்குக் காரணம் பட்டாம்பூச்சி விளைவு அல்லது குழப்பக் கோட்பாடு. 1961 ஆம் ஆண்டில், அமெரிக்க வானிலை ஆய்வாளர் எட்வர்ட் நார்டன் லோரென்ஸ், சில தரவுகளைச் செருகுவதன் மூலம் ஒரு கணித வானிலை உருவகப்படுத்துதலை இயக்கிக் கொண்டிருந்தார்.

அதே தரவை மீண்டும் மீண்டும் செய்ய வேண்டிய சூழ்நிலை அவருக்கு உள்ளது, அவர் அவ்வாறு செய்தபோது, முந்தையதை விட இப்போது முடிவுகள் மிகப்பெரிய மாறுபாட்டைக் கொண்டிருந்தன.

என்ன தவறு என்று அவர் மிகவும் குழப்பமடைந்தார். சரிபார்த்ததில், தசம எண்களின் வட்டமிடுதல், வானிலை முன்னறிவிப்பில் மிகப்பெரிய மாறுபாடுகளை ஏற்படுத்தியது.

அதாவது, வெளியீடு முந்தையதை விட கிட்டத்தட்ட 10,000 யூனிட்கள் மாறுபடுகிறது. எனவே இந்த எளிய மாறுபாடுகளுடன், பட்டர் ஃப்ளை விளைவு, குழப்பக் கோட்பாடு அனைத்தும் பூக்கத் தொடங்குகின்றன.

ஊசல் குழப்பக் கோட்பாட்டிற்கு ஒரு சிறந்த எடுத்துக்காட்டு. நாம் எப்போது நகர்த்தினாலும் அது ஒரே திசையில் நகரும். ஊசலின் கைகள் அதிகரிக்கும் போது அதன் திசையை நம்மால் கணிக்க முடியாது.

ஆரம்ப உள்ளீடு ஒன்றுதான், ஆனால் வெளியீடு மாறுபடும். இதற்கான காரணம் உள்ளீட்டில் ஒரு சிறிய மாற்றமாக இருக்கலாம் அல்லது ஈரப்பதம், காற்று, வெப்பநிலை காரணமாக இருக்கலாம்.

ஒரு இலக்கு நிர்ணயிக்கப்பட்டுள்ளது & ஒரு பந்து எறியப்பட வேண்டும், மனிதர்கள் எறிந்தால் சில பிழைகள் ஏற்படலாம், எனவே தொடர்ந்து வீசுவதற்கு ஒரு ரோபோ பயன்படுத்தப்படுகிறது.

ரோபோட் மூலம் கூட பந்து அதே முறையில் இலக்கைத் தாக்காது, இதற்குக் காரணம் குழப்பக் கோட்பாடு. வானிலை ஆய்வாளர்கள் குழப்பக் கோட்பாட்டை எவ்வாறு அணுகுகிறார்கள்? சுற்றுச்சூழல் இயற்பியலில், சுற்றுச்சூழல் ஒரு மீன் தொட்டியாக பார்க்கப்படுகிறது.

மீன் தொட்டியில் உள்ள தண்ணீராக வளிமண்டலம் காணப்படுகிறது. காற்று ஓட்டம் அல்லது சூறாவளி., உதாரணமாக, தண்ணீரில் ஒரு சொட்டு மை ஊற்றினால், மை சரியாக பரவும்.

தண்ணீருக்கு ஒருவித ஓட்டம் இருந்தால், மை பரவும் முறையும் மாறுகிறது. தண்ணீரில் எந்தப் பக்கம் மை படரும் என்பதை இப்போது நம்மால் கணிக்க முடியாது.

இதே போன்ற விதிமுறைகளில் வானிலையை நாங்கள் கணிக்கிறோம். நாம் என்ன செய்கிறோம் என்பது நீர் ஓட்டம், மை திசை போன்றவற்றைக் கணிப்பது, அதேபோல் முன்னறிவிப்பதிலும் செய்யப்படுகிறது.

இந்த பூமியின் அனைத்து துகள்களும் இயற்பியல் விதியைப் பின்பற்றுகின்றன. எனவே ஒரு துகளின் வேகம் போன்றவற்றை நாம் கணிக்க முடியும்.

ஆனால் ஒரு சிறிய மாற்றம் நிகழும், இது ஒரு “நிச்சயமற்ற தன்மை (Uncertainty)”, இது விளைவுகளில் முழு வித்தியாசத்தை ஏற்படுத்துகிறது. இந்த ஊசலில், ஒரு சிறிய சக்தி மிகப்பெரிய மாற்றத்தை ஏற்படுத்துகிறது.

அதேபோல் ஒரு சிறிய மாற்றம் பெரிய மாறுபாட்டை ஏற்படுத்தும், பட்டாம்பூச்சி விளைவுகளில், ஒரு பட்டாம்பூச்சியின் சிறிய மடல் வேறு சில இடங்களில் பெரிய விளைவுகளை ஏற்படுத்தும் என்று கூறப்படுகிறது.

இதற்குக் காரணம் ஒன்றுதான், உள்ளீட்டில் ஒரு சிறிய மாற்றம், ஆனால் மீண்டும் மீண்டும், தொடர்ச்சியாகச் செய்வது பெரிய மாறுபாடுகளை ஏற்படுத்தும்.

இதனால்தான் வானிலை ஆய்வாளர்கள், AI ஐப் பயன்படுத்தி வேண்டுமென்றே பல முறை திரும்பத் திரும்பச் செய்கிறார்கள், இது கணிப்புகளின் துல்லியத்திற்கு அருகில் முடிவுகளைப் பெறுவதற்காக செய்யப்படுகிறது.

எனவே இதன் மூலம் வானிலை ஆய்வாளர்கள் துல்லியத்திற்கு மிக நெருக்கமான கணிப்புகளை வழங்குகிறார்கள்.

Chaos Theory-டன் கூட, சாத்தியமான எதிர்காலங்களின் குழுமக் கிளஸ்டரைப் பயன்படுத்துவதன் மூலம் வானிலையை எவ்வாறு துல்லியமாக கணிக்கிறோம்.

செயற்கை நுண்ணறிவு உள்ளீட்டுத் தரவை பல முறை இயக்குகிறது, ஒவ்வொரு முறையும் அது இயங்கும் போது, சீரற்ற மாற்றங்கள் கொடுக்கப்படுகின்றன.

இந்த சீரற்ற மாற்றங்கள் பல்வேறு விளைவுகளைத் தருகின்றன மற்றும் அவை அதிலிருந்து சராசரியை ஒருங்கிணைக்கும்.

இந்த சராசரி வெளியீடு வானிலை கணிப்பதில் துல்லியத்திற்கு மிக அருகில் உள்ளது. நம்மிடம் மேம்பட்ட தொழில்நுட்பங்கள் இருந்தாலும், குழப்பக் கோட்பாடு ஒரு அறிவியல் கருத்தாக இருந்தாலும், அதனுடன் நாம் பயணிக்க வேண்டும்.

ஆனால் மேம்பட்ட தொழில்நுட்பங்கள் மூலம், வானிலையை கணிப்பதில் துல்லியமாக அனைத்து போராட்டங்களையும் கடந்து வருகிறோம்.

கடந்த 40 ஆண்டுகளில் பல உயிர்கள் காப்பாற்றப்பட்டு நல்ல மாற்றங்களுக்கு உள்ளாகி வருகின்றன, எனவே வானிலை முன்னறிவிப்பு இன்று வேகமாக வளர்ந்து வரும் தொழிலாக உள்ளது.

எனவே, வானிலை ஆய்வாளர்கள் தரவுகளைப் பெறுவது, செயலாக்குவது மற்றும் வானிலையைக் கணிப்பது மற்றும் பொதுமக்களுக்கு பல்வேறு விழிப்பூட்டல்களை வழங்குவது இப்படித்தான்.