Odgovor na pitanje „da li pada sneg ili kiša“ nije prost: naučnici u Storm Peak Laboratory koriste 30+ instrumenata kako bi odredili oblik i ponašanje padavina. Studije ukazuju na devet različitih tipova padavina između kiše i snega, a ljudska zapažanja ostaju ključna, posebno pri temperaturama blizu nule. Građanski projekti su prikupili skoro 100.000 izveštaja, dok klimatske promene dodatno komplikuju prognoze.
Da Li Pada Kiša Ili Sneg? Zašto To Naučnicima I Dalje Pravi Problem
It is easy to tell at a glance whether or not it's snowing, but accurately measuring how much it is snowing presents numerous challenges.John Stillwell, PA Images/Getty Images
Deca koja se raduju sankanju i vozači koji pokušavaju da izbegnu klizave puteve postavljaju jednostavno pitanje: da li pada sneg? Ipak, odgovor je složeniji nego što izgleda — i to ima velike posledice za čišćenje ulica, upravljanje vodnim resursima i predviđanje poplava.
Na udaljenom vrhu u Koloradu, u Storm Peak Laboratory, istraživači postavljaju više od 30 radara i senzora raspoređenih po različitim frekvencijama kako bi otkrili jedno ključno pitanje: šta tačno pada s neba? Kolika je veličina i oblik pahulja, kada se pahulja topi u kapi, i na koji način to utiče na to da li posmatramo kišu ili sneg.
Zašto obična kanta ne pomaže
Jednostavna metoda — staviti kofu i izmeriti — ne funkcioniše dobro jer vetar lako pomera krupne i pahuljaste padavine, posebno suve i "pufnaste" pahulje. Claire Pettersen sa Univerziteta Mičigen objašnjava da čak i blagi pokret vazduha može izmeniti merenje.
Tehnologija i ljudsko oko zajedno
Pettersen koristi video disdrometar (uredjaj sa kamerama velikih brzina) da snimi padavine iz više uglova. Podaci obrađeni mašinskim učenjem identifikovali su devet različitih tipova padavina između čistog pljuska i čistog snega — od sitne kišice do obilnog sneženja — svaki sa specifičnim obrascem ponašanja. Kombinovanje satelita, radara, laserskih lasera na tlu, merenja iz aviona i video snimaka daje najbolje rezultate.
Eksperimentalne metode uključuju i akustične senzore koji raspoređuju zvučne karakteristike padavina, kao i automatizovane stanice koje teže smanjenju potrebe za čestim ljudskim intervencijama u nepristupačnim planinskim predelima.
„Najbolji scenario je da imate niz različitih instrumenata pri ruci,” kaže Pettersen. „Ipak, ljudski posmatrači i dalje mnogo doprinose, naročito kada su temperature blizu tačke smrzavanja.”
Gde modeli zapinju
Temperaturni raspon u kojem je najteže odlučiti — otprilike 32–45°F (0–7°C) — često proizvodi "wintry mix" ili zimske mešavine. U tim uslovima računarski modeli često ne razlikuju pouzdano kišu od snega. Zato ljudske prijave ostaju vredne.
Keith Jennings i tim sa Univerziteta Vermont pokrenuli su projekat građanske nauke Mountain Rain or Snow, kojim su u roku od pet godina prikupili skoro 100.000 vizuelnih zapažanja od oko 1.700 volontera širom sveta. Testovi su pokazali da algoritmi veštačke inteligencije uz pomoć tih podataka ne prelaze značajno tačnost tradicionalnih metoda u blizini tačke smrzavanja.
Građanski doprinos i klasična merenja
Kada je sneg već na tlu, osnovna oprema — lenjir, lopatica, merač kiše i ravna bela tabla — i dalje je važna. Više od 20.000 Amerikanaca redovno doprinosi podacima kroz Community Collaborative Rain, Hail And Snow Network (CoCoRaHS), a ti podaci koriste National Weather Service i drugi državni programi za upravljanje vodnim resursima i praćenje suša.
Klima menja igru
Planinska područja su naročito osetljiva na klimatske promene: očekivani pomak sa snega na kišu menja zalihe vodnih resursa i utiče na poljoprivredu i zaštitu od poplava. Dodatni problem je što su istorijski podaci u mnogim planinskim regijama oskudni, pa je teško postaviti precizne osnove za prognoze promena tokom narednih 50–100 godina.
Zaključak: Rešenje nije ni isključivo ljudsko ni potpuno automatizovano — najbolji rezultati dolaze od kombinacije raznovrsnih instrumenata, naprednih algoritama i građanskih posmatranja, posebno u granicnim temperaturama blizu nule.
Pomozite nam da budemo bolji.
