Big Data en weersvoorspelling - dummies

Weersvoorspellingen zijn altijd bijzonder uitdagend geweest, gezien het aantal betrokken variabelen en de complexe interacties tussen deze variabelen. Door de dramatische toename van het vermogen om gegevens te verzamelen en te verwerken, is het vermogen van weersvoorspellers om de timing en ernst van orkanen, overstromingen, sneeuwstormen en andere weersomstandigheden te bepalen aanzienlijk verbeterd.

Een voorbeeld van een toepassing van big data op weersvoorspelling is IBM's Deep Thunder. In tegenstelling tot veel weersvoorspellingssystemen, die algemene informatie geven over een brede geografische regio, biedt Deep Thunder voorspellingen voor uiterst specifieke locaties, zoals een enkele luchthaven, zodat lokale autoriteiten in realtime kritisch belangrijke informatie kunnen krijgen. Hier zijn enkele voorbeelden van de informatie die Deep Thunder kan bieden:

• Schattingen van gebieden waar overstromingen waarschijnlijk het meest ernstig zijn

• De sterkte en richting van tropische stormen

• De meest waarschijnlijke hoeveelheid sneeuw of regen die in een specifiek gebied valt > De meest waarschijnlijke locaties van neergaande hoogspanningslijnen

• Schattingen van gebieden waar windsnelheden waarschijnlijk het grootst zijn

• De locaties waar bruggen en wegen het meest waarschijnlijk worden beschadigd door stormen

• De kans op annulering van vluchten op specifieke luchthavens

• Deze informatie is essentieel voor noodplanning. Met behulp van big data kunnen lokale autoriteiten beter anticiperen op problemen veroorzaakt door het weer voordat ze zich voordoen. Planners kunnen bijvoorbeeld voorbereidingen treffen om laaggelegen gebieden te evacueren die waarschijnlijk overstroomd worden. Het is ook mogelijk om plannen te maken om bestaande faciliteiten te upgraden. (Bijvoorbeeld hoogspanningslijnen die kunnen worden uitgeschakeld door zware wind kunnen worden opgewaardeerd.)

Een belangrijke klant van Deep Thunder is de stad Rio de Janeiro, Brazilië, die het systeem gaat gebruiken bij de planning van de Olympische Spelen van 2016. Met behulp van de technologie zal de stad gebruikmaken van verbeterde voorspellingen voor stormen, overstromingen en andere natuurrampen om ervoor te zorgen dat de Olympische Spelen niet door dergelijke gebeurtenissen worden verstoord.

IBM levert ook enorme rekenkracht aan de Koreaanse Meteorologische Administratie (KMA) om big data-technologie volledig te omarmen. De KMA verzamelt dagelijks meer dan 1. 5 terabytes aan meteorologische gegevens, wat een verbluffende hoeveelheid opslag- en verwerkingskracht vereist om te analyseren. Door het gebruik van big data kan de KMA haar voorspellingen over de sterkte en locatie van tropische stormen en andere weersystemen verbeteren.

Een terabyte is gelijk aan één biljoen bytes. Dat is 1, 000, 000, 000, 000 bytes aan informatie. Je zou één biljoen bytes in wetenschappelijke notatie schrijven als 1. 0 x 10

12 ^{. Om dat in perspectief te plaatsen, hebt u ongeveer 1, 500 cd's nodig om één terabyte op te slaan. Met inbegrip van hun plastic hoesjes, die zou opstapelen als een 40-voet hoge toren van cd's.} Een ander voorbeeld van het gebruik van big data in weersvoorspelling vond plaats tijdens de orkaan Sandy in 2012 - de "storm van de eeuw". "Het National Hurricane Center was in staat om big data-technologie te gebruiken om de aanlanding van de orkaan binnen vijfenveertig dagen van tevoren binnen dertig kilometer te voorspellen. Dat is een dramatische toename in nauwkeurigheid van wat mogelijk was, zelfs 20 jaar geleden. Dientengevolge waren FEMA en andere organisaties voor rampenbeheer veel beter voorbereid om met de rommel om te gaan dan ze misschien waren geweest als ze in de jaren negentig of eerder hadden plaatsgevonden.

Een van de interessante gevolgen van het verzamelen en verwerken van meer gegevens over het weer is het uiterlijk van bedrijven die op maat gemaakte verzekeringen verkopen om zich te beschermen tegen weersinvloeden. Een voorbeeld is de Climate Corporation, die in 2006 werd opgericht door twee voormalige werknemers van Google. The Climate Corporation verkoopt weersvoorspellingsdiensten en gespecialiseerde verzekeringen aan boeren die het risico op gewasschade willen afdekken. Het bedrijf gebruikt big data om de soorten risico's te identificeren die relevant zijn voor een bepaald gebied, op basis van enorme hoeveelheden gegevens over vocht, bodemtype, opbrengst in het verleden, enzovoort.

Landbouw is een buitengewoon risicovolle onderneming, omdat de weersverandering veel minder voorspelbaar is dan de variabelen die de meeste andere bedrijven beïnvloeden, zoals de rentetarieven, de toestand van de economie, enzovoort. Hoewel boerderijverzekeringen beschikbaar zijn bij de federale overheid, is het in veel gevallen niet voldoende om te voldoen aan de meer gespecialiseerde soorten risico's die individuele boeren teisteren. De Climate Corporation vult hiaten in federale verzekeringen aan - hiaten die onmogelijk te bieden zouden zijn zonder een beter inzicht in de risicofactoren waarmee individuele boeren te maken hebben. In de toekomst kunnen naarmate er meer gegevens beschikbaar komen, zelfs meer gespecialiseerde verzekeringsproducten (zoals een verzekering voor specifieke gewassen) beschikbaar worden.