Pagsusuri sa mga prediksyon ng landas ng Bagyong Blg. 30: Mas mahusay ang mga modelo ng AI kaysa sa mga tradisyonal na modelo
Sukat ng teksto:

Naging extratropical cyclone ang Bagyong Blg. 30 (Champa) kahapon, ika-25 (Linggo), nang 21:00, sa East China Sea sa kanluran ng Kyushu.

Sa paghahambing ng mga pagbabago sa mga prediksyon ng mga modelo sa pagtataya ng panahon (mga numerikal na simulasyon) at ng aktuwal na landas ng bagyo, kapansin-pansing mas mahusay ang mga prediksyon ng mga modelo ng AI kaysa sa mga tradisyonal na pisikal na modelo para sa Bagyong Blg. 30. Mula simula hanggang wakas, mas malapit sa aktuwal na landas ang mga prediksyon ng AI.

Tinahak ang landas pahilagang-silangan sa East China Sea

Noong 2026, hanggang limang araw nang maaga ang mga pagtataya ng bagyo na inilalabas ng Japan Meteorological Agency (JMA), ang RSMC para sa rehiyon. Batay sa kasaysayan ng mga mapa ng landas, tila makatwiran ang mga pagtataya dahil halos nanatili ang bagyo sa loob ng mga forecast circle mula pa sa simula.

Samantala, malaki ang naging pagkakaiba sa katumpakan ng mga prediksyon lampas sa limang araw, panahong hindi na inilalabas ang mga forecast circle, depende sa uri ng modelo ng panahon.

Maagang nakapagbigay ang mga modelo ng AI ng prediksyong malapit sa aktuwal na landas

Ang bawat manipis na linya sa larawan sa artikulong ito ay resulta ng numerikal na simulasyong kinalkula gamit ang pisikal na modelo o modelo ng AI ng mga ahensiya ng panahon at iba pang organisasyon sa iba’t ibang panig ng mundo. Ipinapakita ng mga linyang ito ang mga posisyon ng sentro ng bagyo na nakuha mula sa mga kalkulasyon gamit ang ensemble forecasting. Nagsasagawa ang paraang ito ng maraming kalkulasyon gamit ang bahagyang magkakaibang paunang halaga, na nagbibigay ng batayan sa pagtatasa ng katiyakan ng prediksyon. Samantala, hinuhulaan ng mga tradisyonal na pisikal na modelo ng panahon ang kalagayan ng panahon sa hinaharap sa pamamagitan ng paglutas sa computer ng mga ekwasyong batay sa mga teorya ng meteorolohiya. Sa mga modelo ng AI, natututuhan ng AI ang mga pagbabago sa atmospera sa paglipas ng panahon gamit ang datos ng mga nakaraang kalagayan ng panahon bilang batayan, at ginagamit ang sinanay na modelo upang hulaan ang kalagayan ng panahon sa hinaharap.

Sa paghahambing ng mga prediksyon, marami sa mga tradisyonal na pisikal na modelo ang unang nag-forecast na lilihis pahilagang-silangan ang bagyo mula sa timog ng Japan at tutungo sa silangan ng bansa. Nagbago nang malaki ang trend bandang ika-16, at dumami ang mga resulta ng simulasyong nagpapakitang tutungo ang bagyo mula sa paligid ng Taiwan patungo sa South China Sea. Pagkaraan ng ika-20, dumami naman ang mga prediksyon na aakyat ito pahilaga sa East China Sea.

Sa kabilang banda, hindi gaanong nagbago mula sa simula ang trend ng mga simulasyong gumamit ng teknolohiyang AI, kaya nanatiling matatag ang mga prediksyon. Makikitang nagpatuloy ang mga prediksyon na aakyat pahilaga ang bagyo sa East China Sea mula pa bandang ika-14, bago pa mabuo ang bagyo.

Sa kabuuan, higit na napahusay ng modelo ng AI kaysa sa tradisyonal na pisikal na modelo ang katumpakan ng prediksyon sa landas ng Bagyong Blg. 30.

Nagsasagawa ang Global Storm Center ng Weathernews ng kuwantitatibong pagtatasa sa mga modelo ng pagtataya ng bagyo. Isinasagawa rin nito ang pagbuo ng mga pagtatasa para sa mga bagyong iba pa sa Blg. 30.