ടോണി ചിറ്റിലപ്പിള്ളി
കാലാവസ്ഥാപ്രവചനം അല്ലെങ്കില്‍ കാലാവസ്ഥാശാസ്ത്രം ഒരു വലിയ വിവരശേഖരണശൃംഖലയെ ആശ്രയിച്ചാണു നിലകൊള്ളുന്നത്. ഈ നെറ്റ്‌വര്‍ക്കില്‍ കര അടിസ്ഥാനമാക്കിയുള്ള കാലാവസ്ഥാ സ്റ്റേഷനുകള്‍, കാലാവസ്ഥാ ബലൂണുകള്‍, കാലാവസ്ഥാ ഉപഗ്രഹങ്ങള്‍ എന്നിവ ഉള്‍പ്പെടുന്നു. സമുദ്രത്തില്‍ പ്രവര്‍ത്തിക്കുന്ന ഓഫ്‌ഷോര്‍ ബോയികളില്‍നിന്നും കപ്പലുകളില്‍നിന്നുമുള്ള ഡാറ്റയും കാലാവസ്ഥാപ്രവാചകര്‍ ഉപയോഗിക്കുന്നു. ഈ സ്രോതസ്സുകളെല്ലാം ചേര്‍ന്ന് ഡാറ്റയുടെ ഒരു നിരീക്ഷണശൃംഖല സൃഷ്ടിക്കുന്നു. കമ്പ്യൂട്ടര്‍ മോഡലുകള്‍ സൃഷ്ടിക്കുന്നതിനായി ഈ ഡാറ്റ കമ്പ്യൂട്ടറുകളില്‍ നല്‍കിയിരിക്കുന്നു. കാലാവസ്ഥ പ്രവചിക്കാന്‍ കാലാവസ്ഥാശാസ്ത്രജ്ഞര്‍ ഈ കമ്പ്യൂട്ടര്‍ മോഡലുകള്‍ ഉപയോഗിക്കുന്നു.
''കാലാവസ്ഥാപ്രവചനം അല്പമെങ്കിലും വിജയിക്കണമെങ്കില്‍ കുറഞ്ഞപക്ഷം മുപ്പതു മിനിറ്റ് ഇടവേളകളില്‍ ഉള്ള അളവുകള്‍ ഉണ്ടായിരിക്കണം,'' ഫ്രഞ്ച് അന്തരീക്ഷശാസ്ത്രജ്ഞനായ റെനേ ഷാബൂ അഭിപ്രായപ്പെടുന്നു. അതുകൊണ്ട് കാലാവസ്ഥാപ്രവചനം ഒരു പരിധിവരെ ഒരു കലകൂടിയാണ്. ഇവിടെയാണ് കാലാവസ്ഥാപ്രവാചകന്റെ പങ്ക്. തനിക്കു ലഭിക്കുന്ന വിവരങ്ങള്‍ക്ക് എത്രമാത്രം മൂല്യം കല്പിക്കണം എന്നു നിര്‍ണയിക്കുന്നതിന് അദ്ദേഹം തന്റെ അനുഭവജ്ഞാനവും വിവേചനബുദ്ധിയും ഉപയോഗിക്കുന്നു. കൂടുതല്‍ കൃത്യമായ കാലാവസ്ഥാപ്രവചനം നടത്താന്‍ ഇതു സഹായിക്കുന്നു.
അമേരിക്കയിലെ നാസ മോഡല്‍
അന്തരീക്ഷവും കരയും സമുദ്രവും ഇടപഴകുന്ന രീതി മനസ്സിലാക്കാന്‍ നാസ ഭൂമി നിരീക്ഷിക്കുന്ന ഉപഗ്രഹങ്ങളെയും മാതൃകകളെയും ആശ്രയിക്കുന്നു. നിരവധി തരത്തിലുള്ള കാലാവസ്ഥാമാതൃകകള്‍ ഉള്ളതിനാല്‍ അവ തമ്മില്‍ വലിയ വ്യത്യാസങ്ങളുണ്ട്. കാലാവസ്ഥാപഠനത്തിനായി സമര്‍പ്പിച്ചിരിക്കുന്ന വിവിധ ഏജന്‍സികളും സ്ഥാപനങ്ങളും ധാരാളം മോഡലുകള്‍ വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്. കാലാവസ്ഥാവ്യതിയാനങ്ങളുടെ പരിണാമം പ്രവചിക്കാന്‍ രീതിശാസ്ത്രപരമായ വൈവിധ്യങ്ങള്‍ നടപ്പാക്കുന്നത് ഇതേ രീതികളാണ്. ഈ മോഡലുകളില്‍ ഏറ്റവും മികച്ചത് എന്നറിയപ്പെടുന്ന ആഗോള പ്രവചനസംവിധാനം, അമേരിക്കന്‍ ഐക്യനാടുകളിലെ നാഷണല്‍ ഓഷ്യാനിക് ആന്‍ഡ് അറ്റ്മോസ്‌ഫെറിക് അഡ്മിനിസ്‌ട്രേഷന്‍ (NOAA) ആണ്.
അക്യുവെതര്‍ ആപ്പ്
ലോകത്തിലെ കാലാവസ്ഥാ പ്രവചനങ്ങളുടെയും മുന്നറിയിപ്പുകളുടെയും ഏറ്റവും കൃത്യമായ ഉറവിടമാണ് അക്യുവെതര്‍ നല്‍കുന്നത്. അന്താരാഷ്ട്ര സ്വകാര്യ കാലാവസ്ഥാ ഏജന്‍സിയായ അക്യുവെതര്‍ ലോകമെമ്പാടുമുള്ള വാണിജ്യകാലാവസ്ഥാ പ്രവചനസേവനങ്ങള്‍ നല്‍കുന്ന ഒരു അമേരിക്കന്‍ മീഡിയ കമ്പനിയാണ്. 1962 ല്‍ അന്നത്തെ പെന്‍സില്‍വാനിയ സ്റ്റേറ്റ് യൂണിവേഴ്‌സിറ്റിയില്‍ കാലാവസ്ഥാശാസ്ത്രത്തില്‍ ബിരുദാനന്തരബിരുദത്തിനു പഠിച്ച എന്‍. ജോയല്‍ എന്ന വ്യക്തിയാണ് ഇതിന്റെ സ്ഥാപകന്‍. പെന്‍സില്‍വാനിയയിലെ ഒരു ഗ്യാസ് കമ്പനിയാണ് അദ്ദേഹത്തിന്റെ ആദ്യ ഉപഭോക്താവ്.
ഓരോ മണിക്കൂറിലെയും ദിവസത്തെയും കാലാവസ്ഥാ മുന്നറിയിപ്പുകള്‍ വിശദമായി ത്തന്നെ നല്‍കുന്ന ഏറ്റവും മികച്ച ആപ്പുകളിലൊന്നാണ് അക്യുവെതര്‍. 15 ദിവസംവരെയുള്ള കാലാവസ്ഥാമുന്നറിയിപ്പുകള്‍ ആപ്പില്‍ സൗജന്യമായി ലഭിക്കും. ആപ്പിലെ മിനിറ്റ്കാസ്റ്റ് സംവിധാനം ഓരോ മിനിറ്റിലെയും കാലാവസ്ഥ മുന്‍കൂട്ടി കാണിക്കും. ഇതിനു പുറമേ ഉദയം, അസ്തമയം, കാറ്റിന്റെ വേഗം തുടങ്ങിയവയെല്ലാം ലഭിക്കും. ഗൗരവമുള്ള കാലാവസ്ഥാമാറ്റങ്ങളെപ്പറ്റിയുള്ള മുന്നറിയിപ്പ് നോട്ടിഫിക്കേഷനായും ലഭിക്കും. ആന്‍ഡ്രോയ്ഡിലും ഐഫോണിലും ലഭ്യമാണ്.
സാറ്റലൈറ്റ് ഡാറ്റകള്‍
കാലാവസ്ഥാസ്റ്റേഷനുകള്‍ മിക്കപ്പോഴും നഗരങ്ങളിലും പരിസരങ്ങളിലും സ്ഥിതിചെയ്യുന്നു. തല്‍ഫലമായി, ഗ്രാമപ്രദേശങ്ങള്‍, സമുദ്രപ്രദേശങ്ങള്‍, എന്നിവിടങ്ങളില്‍ മിക്കപ്പോഴും ഡാറ്റ ലഭ്യമല്ല. കൂടാതെ, പ്രധാന വിമാനത്താവളങ്ങളില്‍നിന്നും നഗരങ്ങളില്‍നിന്നും വളരെ അകലെയുള്ള കാലാവസ്ഥാസ്റ്റേഷനുകള്‍ക്ക് കൂടുതല്‍ ജനസാന്ദ്രതയുള്ള സ്ഥലങ്ങളില്‍ ഉള്ളതുപോലെ കൃത്യമായ കണക്കുകള്‍ ലഭ്യമല്ല. ഒരു വലിയ പ്രദേശത്തിന് കൃത്യമായ ഡാറ്റ നല്‍കാന്‍ അവര്‍ക്കു കഴിഞ്ഞേക്കില്ല. ഈ വിടവുകളില്‍ ചിലതു നികത്താന്‍ കാലാവസ്ഥാശാസ്ത്രജ്ഞര്‍ പലപ്പോഴും സാറ്റലൈറ്റ് ഡാറ്റ ഉപയോഗിക്കുന്നു.
സാറ്റലൈറ്റ് ഡാറ്റയുടെ കൃത്യത കുറയ്ക്കാന്‍ കഴിയുന്ന ചില കാര്യങ്ങളുണ്ട്. ക്ലൗഡ് കവറും അന്തരീക്ഷത്തിലെ ജലബാഷ്പത്തിന്റെ അളവിലുള്ള മാറ്റങ്ങളും ഉദാഹരണങ്ങളാണ്. കാലാവസ്ഥ പ്രവചിക്കുന്നത് മൂന്നു ഘടകങ്ങളാല്‍ പരിമിതപ്പെടുത്തിയിരിക്കുന്നു: ലഭ്യമായ ഡാറ്റയുടെ അളവ്, അത് വിശകലനം ചെയ്യാന്‍ ലഭ്യമായ സമയം, കാലാവസ്ഥാ സംഭവങ്ങളുടെ സങ്കീര്‍ണ്ണത തുടങ്ങിയവയാണത്.
എന്തുകൊണ്ട് കാലാവസ്ഥാ പ്രവചനങ്ങള്‍ പിഴയ്ക്കുന്നു?
മസാച്യുസെറ്റ്‌സ് ഇന്‍സ്റ്റിറ്റ്യൂട്ട് ഓഫ് ടെക്നോളജിയിലെ എഡ്വേര്‍ഡ് ലോറന്‍സ് എന്ന ഗണിതശാസ്ത്രജ്ഞന്‍ മോഡല്‍ പ്രവചനം മുന്നോട്ടു പോകുന്നതനുസരിച്ച് യാഥാര്‍ഥ്യവും പ്രവചനവും തമ്മിലുള്ള അന്തരം പെരുകിവരുന്നതായി നിരീക്ഷിച്ചു. ഈ കണ്ടുപിടിത്തം ഒരു നാഴികക്കല്ലാവുകയും ലോറന്‍സ് കേയാസ് ഒരു സിദ്ധാന്തം അവതരിപ്പിക്കുകയും ചെയ്തു. യാഥാര്‍ത്ഥ്യവും പ്രവചനവും തമ്മിലെ അന്തരം വളരെയധികം കൂടിവരുകയും പ്രവചനംതന്നെ ഉപയോഗശൂന്യമാവുകയും ചെയ്യും എന്നാണ് ലോറന്‍സിന്റെ കണ്ടുപിടിത്തം. വിശേഷിച്ചും ചെറിയ പ്രദേശത്തു മാത്രം സംഭവിച്ചേക്കാവുന്ന മേഘവിസ്ഫോടനം പോലെയുള്ള അതിതീവ്രപ്രതിഭാസങ്ങള്‍ രണ്ടാഴ്ചമുമ്പേ പ്രവചിക്കുക ഏറെക്കുറെ അസാധ്യമാണ്.
ലോറന്‍സ് ഇതുമായി ബന്ധപ്പെട്ടു മുന്നോട്ടുവച്ച ഒരാശയമാണ് ബട്ടര്‍ഫ്ളൈ ഇഫക്ട്. ഒരു ചിത്രശലഭത്തിന്റെ ചിറകടിപോലെ ചെറുചലനങ്ങള്‍പോലും ഏതാനും ദിവസങ്ങള്‍ക്കുശേഷം അന്തരീക്ഷാവസ്ഥയെ മാറ്റിമറിച്ചേക്കാം എന്നാണ് അദ്ദേഹം അഭിപ്രായപ്പെട്ടത്. 'ബ്രസീലില്‍ ഒരു ശലഭത്തിന്റെ ചിറകടിമൂലം അമേരിക്കയിലെ ടെക്സാസില്‍ ഒരു കൊടുങ്കാറ്റ് രൂപമെടുത്തേക്കാം' എന്നാണ് ലോറന്‍സ് അല്പം ആലങ്കാരികമായി പറഞ്ഞത്. അത്രമേല്‍ ലോലമാണ് നമ്മുടെ അന്തരീക്ഷം. ഇതുകൊണ്ടുള്ള പ്രധാന കുഴപ്പമെന്തെന്നാല്‍, ലഭിക്കുന്ന ഡാറ്റയിലെ ചെറിയ വ്യത്യാസങ്ങള്‍പോലും മോഡല്‍ ഫോര്‍കാസ്റ്റിനെ സാരമായി ബാധിക്കുകയും വ്യത്യസ്തമായ പ്രവചനത്തിലേക്കു നയിക്കുകയും ചെയ്യുന്നു. അതായത്, നമ്മുടെ നിരീക്ഷണസംവിധാനങ്ങളോ പ്രവചനത്തിനായി ഉപയോഗിക്കുന്ന മോഡലോ നൂറുശതമാനം കുറ്റമറ്റതല്ല. അതിനാല്‍ത്തന്നെ പ്രവചനത്തില്‍ നൂറുശതമാനം കൃത്യത ഏറെക്കുറെ അപ്രാപ്യമാണ്.
പ്രവചനത്തിലെ കൃത്യത ഒരു പരിധിവരെ നാം സ്ഥാപിക്കുന്ന നിരീക്ഷണോപകരങ്ങളുടെ കൃത്യതയെ ആശ്രയിച്ചിരിക്കുന്നു. എന്നാല്‍, ഇവിടെയാണ് ചില പ്രശ്‌നങ്ങള്‍. നേരിട്ടുള്ള നിരീക്ഷണങ്ങള്‍ക്കു പരിമിതികളുണ്ട്. നൂറുകണക്കിനു കിലോമീറ്ററുകള്‍ക്കുള്ളില്‍ ഒന്നോരണ്ടോ നിരീക്ഷണകേന്ദ്രങ്ങള്‍ മാത്രമേ ഉണ്ടാവൂ. ഭൂമിയിലെല്ലായിടത്തും യഥേഷ്ടം ഇത്തരം നിരീക്ഷണസംവിധാനങ്ങള്‍ സ്ഥാപിക്കുക എന്നത് അത്ര പ്രായോഗികമല്ല. ഈ പരിമിതി മറികടക്കാനാണ് നാം ഉപഗ്രഹങ്ങള്‍, റഡാറുകള്‍ തുടങ്ങിയ വിദൂരസംവേദന ഉപാധികളുടെ സഹായം തേടുന്നത്. കൃത്രിമോപഗ്രഹങ്ങള്‍ വന്നതോടെ നേരിട്ടുള്ള നിരീക്ഷണങ്ങള്‍ അപ്രാപ്യമായിരുന്ന പലയിടങ്ങളില്‍നിന്നും ഡാറ്റ ലഭ്യമായിത്തുടങ്ങി. എന്നിരുന്നാലും വേണ്ടത്ര നിരീക്ഷണങ്ങള്‍ ഇനിയും ലഭ്യമല്ല.
പ്രവചനങ്ങള്‍ക്കു കൂടുതല്‍ കൃത്യത വരുത്താന്‍ കാര്യക്ഷമതയേറിയ നിരീക്ഷണസംവിധാനങ്ങള്‍ ഇനിയും വേണ്ടതുണ്ട്. നിരീക്ഷണങ്ങള്‍ നൂറു ശതമാനം പിഴവറ്റതല്ല. അത്യാധുനിക സംവിധാനങ്ങളുള്ള ഉപകരണങ്ങളില്‍പോലും ഒഴിവാക്കാനാവാത്ത, വളരെ ചെറിയ പിഴവിനു സാധ്യതയുണ്ട്. കൂടാതെ, നമ്മുടെ മോഡലിനും അതിന്റേതായ ന്യൂനതകളുണ്ട്. ഒരു പരിധിക്കപ്പുറം ഈ പരിമിതികളെ മറികടക്കാനുമാവില്ല. അതുകൊണ്ടുതന്നെ പ്രവചനത്തിലും നൂറുശതമാനം കൃത്യത എന്നത് പ്രായോഗികമല്ല.
മറ്റൊരു ശ്രദ്ധേയമായ വസ്തുത, ഉഷ്ണമേഖലാ പ്രദേശങ്ങളിലെ അന്തരീക്ഷാവസ്ഥ നിയന്ത്രിക്കുന്ന ഘടകങ്ങള്‍ രണ്ടാഴ്ചവരെയുള്ള പ്രവചനത്തിന് എളുപ്പം വഴങ്ങുന്നവയല്ല എന്നതാണ്. ഉഷ്ണപ്രദേശങ്ങളില്‍ നിരന്തരമുണ്ടാകുന്ന താപസംവഹന പ്രക്രിയയും അതിനോടനുബന്ധിച്ചുള്ള മേഘങ്ങളുടെ രൂപീകരണവും ഊര്‍ജവിതരണവും മറ്റും അതിസങ്കീര്‍ണപ്രതിഭാസങ്ങളാണ്. അതിനാല്‍ത്തന്നെ ഇത്തരം പ്രക്രിയകള്‍ മോഡലുകള്‍ക്ക് വേണ്ടവിധം പുനരാവിഷ്‌കരിക്കുവാന്‍ കഴിയാതെ വരുന്നു.
ദീര്‍ഘകാല പ്രവചനങ്ങള്‍ സാധ്യമാണോ?
ലോറന്‍സിന്റെ സിദ്ധാന്തപ്രകാരം രണ്ടാഴ്ചയ്ക്കപ്പുറം അന്തരീക്ഷത്തിന്റെ സ്വഭാവം പ്രവചിക്കുന്നത് ഏറെക്കുറെ അസാധ്യമാണ്. സാധ്യമായാല്‍ത്തന്നെ ഒരു ശരാശരി സ്വഭാവം മാത്രമേ പ്രവചിക്കുവാന്‍ സാധിക്കൂ. അതായത്, ഓരോ പ്രദേശത്തെയും അന്തരീക്ഷത്തിന്റെ വിശദമായ സ്വഭാവവും ദൈനംദിനവ്യതിയാനങ്ങളും രണ്ടോ മൂന്നോ ആഴ്ചയ്ക്കപ്പുറം പ്രവചിക്കാന്‍ സാധ്യമല്ലെങ്കിലും ഒരു വലിയ പ്രദേശത്തെ ശരാശരി സ്വഭാവം പ്രവചിക്കുവാന്‍ സാധിക്കുമെന്ന് പഠനങ്ങള്‍ തെളിയിച്ചിട്ടുണ്ട്.
വരുന്ന ഒരാഴ്ച പൊതുവില്‍ മഴ കുറവായിരിക്കുമെന്നോ അടുത്തമാസം സാധാരണയിലധികം മഴ ലഭിക്കാന്‍ സാധ്യതയുണ്ട് എന്നോ പ്രവചിക്കാം എന്നല്ലാതെ അടുത്ത 30 ദിവസത്തിനുശേഷം കേരളത്തില്‍ അതിതീവ്രമഴ പെയ്യും എന്നമട്ടിലുള്ള പ്രവചനങ്ങള്‍ നിലവിലുള്ള സങ്കേതങ്ങള്‍പ്രകാരം സാധ്യമല്ല. ഇതേരീതിയിലാണ് നിലവിലുള്ള നമ്മുടെ മണ്‍സൂണ്‍പ്രവചനങ്ങളും. ഇന്ത്യന്‍ കാലാവസ്ഥാവകുപ്പ് സാധാരണ മൂന്നു ഘട്ടങ്ങളിലായി മണ്‍സൂണ്‍ കാലത്തു ലഭിച്ചേക്കാവുന്ന മഴയുടെ ദീര്‍ഘകാല പ്രവചനങ്ങള്‍ പുറത്തിറക്കാറുണ്ട്. ഇത്തരം പ്രവചനങ്ങളുടെ ഉദ്ദേശ്യം പ്രധാനമായും വരുന്ന മണ്‍സൂണ്‍ കാലയളവില്‍ (ജൂണ്‍, ജൂലായ്, ഓഗസ്റ്റ്, സെപ്റ്റംബര്‍ മാസങ്ങളില്‍) സാധാരണരീതിയില്‍ മഴലഭിക്കുമോ ഇല്ലയോ എന്ന് അറിയുകയാണ്.
കോട്ടയത്തോ കൂട്ടിക്കലിലോ കൊക്കയാറിലോ മുണ്ടക്കയത്തോ സംഭവിച്ചേക്കാവുന്ന ചെറു മേഘസ്‌ഫോടനങ്ങള്‍ രണ്ടുമാസം മുമ്പേ പ്രവചിക്കാന്‍ കഴിയില്ല. മുമ്പു സൂചിപ്പിച്ചതുപോലെ, നിലവിലെ സങ്കേതങ്ങള്‍ വച്ച് രണ്ടാഴ്ചയ്ക്കപ്പുറത്തേക്കുള്ള പ്രവചനങ്ങളില്‍ അന്തരീക്ഷത്തിന്റെ ഒരു ശരാശരി സ്വഭാവം മാത്രമേ പ്രവചിക്കാനാവൂ. ചുഴലിക്കാറ്റിന്റെയും മറ്റും ഉദ്ഭവം കൃത്യമായി പ്രവചിക്കുവാന്‍ പ്രധാനമായും പത്തു ദിവസംവരെയുള്ള ഇടക്കാല പ്രവചനങ്ങളാണു പ്രായോഗികം.
സങ്കീര്‍ണവും പ്രവചനാതീതവും എന്നു കരുതിയിരുന്ന പ്രാപഞ്ചികപ്രതിഭാസമായ കാലാവസ്ഥ ഫലപ്രദമായി പ്രവചിക്കാന്‍ ഇനിയും മനുഷ്യര്‍ക്കാകട്ടെ. കാലാവസ്ഥാപ്രവചനങ്ങളോട് അല്പമൊക്കെ സഹിഷ്ണുത കാണിക്കാം.
