Grandes datos y predicción meteorológica

El pronóstico del tiempo siempre ha sido extremadamente difícil, dado el número de variables que intervienen y las complejas interacciones entre esas variables. Aumentos dramáticos en la capacidad para recopilar y procesar datos han mejorado en gran medida la capacidad de los meteorólogos para determinar el momento y la intensidad de los huracanes, inundaciones, tormentas de nieve y otros fenómenos meteorológicos.

Un ejemplo de una aplicación de grandes datos a la predicción meteorológica es de IBM profundo trueno. A diferencia de muchos de los sistemas de predicción meteorológica, que dan información general sobre una amplia región geográfica, Deep Trueno ofrece previsiones para lugares muy específicos, como un solo aeropuerto, por lo que las autoridades locales pueden obtener información de importancia crítica en tiempo real. Estos son algunos ejemplos de la información que Deep Trueno puede proporcionar:

• Las estimaciones de las áreas en las que es probable que sean más graves inundaciones

• La fuerza y ​​la dirección de las tormentas tropicales

• La cantidad más probable de la nieve o la lluvia que va a caer en un área específica

• Los más probables ubicaciones de los cables eléctricos caídos

• Las estimaciones de áreas en las que es probable que sean más las velocidades del viento

• Los lugares en los puentes y carreteras con mayor probabilidad de ser dañados por las tormentas

• La probabilidad de que un vuelo se cancela en los aeropuertos específicos

Esta información es esencial para la planificación de emergencias. El uso de grandes volúmenes de datos, las autoridades locales pueden anticipar mejor los problemas causados ​​por el tiempo antes de que ocurran. Por ejemplo, los planificadores pueden hacer los preparativos para evacuar las zonas bajas que son susceptibles de ser inundadas. También es posible hacer planes para mejorar las instalaciones existentes. (Por ejemplo, las líneas eléctricas que son propensos a ser desactivados por los fuertes vientos pueden ser mejoradas.)

Un cliente importante de profunda Thunder es la ciudad de Río de Janeiro, Brasil, que va a utilizar el sistema en la planificación para los Juegos Olímpicos de 2016. El uso de la tecnología, la ciudad va a hacer uso de la mejora de las previsiones de tormentas, inundaciones y otros desastres naturales con el fin de garantizar que los Juegos Olímpicos no se verá afectado por este tipo de eventos.

IBM también está proporcionando poder de cómputo masivo para la Administración Meteorológica de Corea (KMA) para abrazar plenamente la tecnología de datos grande. El KMA reúne a más de 1,5 terabytes de datos meteorológicos cada día, lo que requiere una asombrosa cantidad de almacenamiento y capacidad de procesamiento para analizar. Mediante el uso de grandes volúmenes de datos, la KMA será capaz de mejorar sus previsiones en cuanto a la fuerza y ​​la ubicación de las tormentas tropicales y otros sistemas meteorológicos.

Un terabyte es igual a un billón de bytes. Eso es 1.000.000.000.000 bytes de información. Se podría escribir un billón de bytes en notación científica como 1,0 x 10¹². Para poner esto en perspectiva, lo que se necesita alrededor de 1,500 CDs para almacenar un solo terabyte. Incluyendo sus cajas de plástico, que sería apilar hasta como 40 pies de altura de la torre de CDs.

Otro ejemplo del uso de grandes volúmenes de datos en la predicción del tiempo se llevó a cabo durante el Huracán Sandy en 2012 - la "tormenta del siglo." El Centro Nacional de Huracanes fue capaz de utilizar la tecnología de grandes datos para predecir la recalada del huracán dentro de 30 millas un total de cinco días de antelación. Eso es un aumento dramático en la exactitud de lo que era posible hace 20 años. Como resultado, FEMA y otras organizaciones de gestión de desastres eran mucho mejor preparado para lidiar con el desorden de lo que podría haber sido si se produjo en la década de 1990 o anteriores.

Una de las consecuencias interesantes de recopilación y procesamiento de más datos meteorológicos es la aparición de empresas que venden seguros personalizado para la protección contra las inclemencias del tiempo. Un ejemplo es la Corporación Climático, que se formó en 2006 por dos ex empleados de Google. La Corporación Climático vende servicios de predicción del tiempo y de seguros especializada a los agricultores que buscan para cubrir el riesgo de daños a los cultivos. La compañía utiliza grandes datos para identificar los tipos de riesgos que son relevantes para un área específica, sobre la base de cantidades masivas de datos sobre la humedad, tipo de suelo, rendimiento de las cosechas anteriores, y así sucesivamente.

La agricultura es un negocio extraordinariamente arriesgado, porque la variable de tiempo es mucho menos predecible que las variables que afectan a la mayoría de otras empresas, tales como tasas de interés, el estado de la economía, y así sucesivamente. Aunque el seguro agrícola se encuentra disponible en el gobierno federal, en muchos casos no es suficiente para cumplir con los tipos más especializados de los riesgos que afectan a la Fama individuales. La Corporación Climático llena lagunas en seguros federales - lagunas que serían imposibles para ofrecer sin una mejor comprensión de los factores de riesgo que enfrentan los agricultores individuales. En el futuro, a medida que más datos estén disponibles, incluso los más especializados los productos de seguros (como los seguros para cultivos específicos) pueden estar disponibles.