Počasí za měsíc: co znamenají lepší pravděpodobnosti

Týden jako rozdělení možností

Po dvou týdnech roste vliv malých chyb v počátečních podmínkách.[1] Pro vzdálenější horizont proto nestačí jediné číslo: modely vytvářejí pravděpodobnostní rozdělení možných výsledků.[1] Studie hodnotí týdenní průměrnou teplotu, úhrn srážek a průměrný tlak na úrovni moře pro třetí týden, dny 19–25, a čtvrtý týden, dny 26–32.[1] Teplota a srážky jsou hodnoceny nad pevninou, tlak globálně.[1][4]

Modely mívají nejen náhodné chyby, ale také opakující se odchylky.[1] PBC, neboli probabilistic bias correction, se učí z minulých předpovědí a následně zjištěného počasí.[1] Jedna část opravuje systematické chyby pravděpodobností, druhá využívá nedávná pozorování a klimatologii; výsledná rozdělení musí zůstat platná.[1] Jde o dodatečnou vrstvu nad existujícími fyzikálními nebo AI systémy, ne o novou záruku přesného dne deště.[1]

Co čísla ukazují — a co ne

V abstraktu Nature uvádějí autoři zlepšení skóre proti běžně provozně korigovanému dynamickému modelu ECMWF u 91 % tlakových, 92 % teplotních a 98 % srážkových hodnocených cílů.[1] To je podíl cílů, u nichž PBC získalo vyšší skóre; nejde o 91–98% přesnost předpovědi.[1] Podrobná prostorová mapa v článku uvádí podle předstihu 89–91 % buněk pro tlak, 91–92 % pro teplotu a 98 % pro srážky, přičemž aridní buňky bez klimatologických srážek jsou vyřazeny.[1]

U systému AIFS-SUBS od ECMWF autoři za testovací rok 2025 uvádějí přibližné zdvojnásobení průměrného RPSS napříč veličinami a oběma předstihy.[1] Výchozí průměr 0,03 však představuje malou dovednost; dvojnásobné skóre není dvojnásobná šance, že jednotlivá místní předpověď vyjde.[1] RPSS porovnává předpovězené pravděpodobnosti s klimatologickou předpovědí, jež přiřazuje stejnou pravděpodobnost každé z pěti klimatologických kategorií.[1]

Proč je publikace nová, když soutěž není

Soutěžní kombinace MicroDuet, složená z PBC upravených předpovědí ECMWF a hybridního modelu POET, v podzimní části soutěže AI Weather Quest roku 2025 vedla u tří veličin a obou předstihů.[1] Pořadatel ECMWF o výsledcích referoval už 13. března 2026 a zdůraznil, že špičkové postprocesní metody nadále těží z dynamických modelů.[1][4] Nejde tedy o říjnové vítězství ani o důkaz, že čistě AI předpovědi plošně překonaly fyzikální modely.[4]

Časopis Nature vydal recenzovanou práci 14. října 2026 a MIT téhož dne zveřejnilo zprávu.[1][2] První preprint byl na arXivu už 17. dubna 2026, původně pod jiným názvem.[3] Nová je časopisecká publikace staršího výsledku, ne metoda vymyšlená v říjnu ani nově změřené počasí.[1][3]

Studie zkoumá i pravděpodobnostní předpovědi extrémů, ale lepší skóre ve vybraném testu negarantuje včasné varování před konkrétní povodní či mrazem ve vaší obci.[1] Pro rozhodování je nutný místní odborný výklad a další ověřování. Grafy v tomto článku jsou naše výuková schémata, nikoli naměřené mapy nebo křivky studie.

Zdroje a původ této zprávy ↓