ചുഴലിക്കാറ്റുകൾ പ്രവചിക്കുന്നതെങ്ങനെ ?

കാലാവസ്ഥാ വാർത്തകളിൽ എല്ലാം ഇപ്പോൾ സജീവമായി കൊണ്ടിരിക്കുന്ന ഒന്നാണ് ഇപ്പോൾ മോക്ക ചുഴലിക്കാറ്റ്. ഇന്ത്യൻ മഹാസമുദ്രത്തിലെ ഈ സീസണിലെ ആദ്യ ചുഴലിക്കാറ്റാണ് മോക്ക. ബംഗാൾ ഉൾക്കടലിലാണ് മോക്ക രൂപം കൊണ്ടിരിക്കുന്നത്.
നമ്മൾ ഒരു കല്ലെടുത്തു ദൂരേക്ക് എറിയുന്നു എന്ന് കരുതുക. ആ കല്ലിനെ സ്വാധീനിക്കുന്ന ബലങ്ങൾ (ഘടകങ്ങൾ) എല്ലാം കൃത്യമായി അറിയാമെങ്കിൽ, ആ കല്ല് എപ്പോൾ, എവിടെ വീഴുമെന്ന് കൃത്യമായി പ്രവചിക്കാൻ കഴിയും.

അവിടെ നാം ഉപയോഗപ്പെടുത്തുന്നത് ആ കല്ലിന്റെ ഗതിയെ നിയന്ത്രിക്കുന്ന ഒരു ഗണിത സമവാക്യമാണ് (governing equation). എത്ര വേഗതയിൽ എറിയുന്നു, എത്ര ചെരിവിൽ (angle) എറിയുന്നു എന്നിവ അറിയാമെങ്കിൽ, ചലനസമവാക്യം ഉപയോഗിച്ച് കല്ലോ പന്തോ എവിടെ വീഴും എന്ന് പറയുവാൻ കഴിയും. കല്ലിന് അനുഭവപ്പെടുന്ന ഘർഷണം (air resistance), ആ സമയത്തെ കാറ്റിന്റെ വേഗത എന്നിവ കൂടെ മേൽപ്പറഞ്ഞ സമവാക്യത്തിൽ ഉൾപ്പെടുത്തിയാൽ ലഭിക്കുന്ന ഉത്തരത്തിന് കൂടുതൽ കൃത്യതവരും. അതായത്, എന്തിനെക്കുറിച്ചാണോ പഠിക്കുന്നത് ആ വസ്തുവിന്റെ സാധ്യമായ എല്ലാ സ്വഭാവ വിശേഷങ്ങളും ഇത്തിരത്തിലുള്ള ഗണിത സമവാക്യത്തിൽ ഉൾക്കൊള്ളിക്കണം. എന്നാൽ മാത്രമേ പ്രവചനത്തിൽ കൃത്യത ലഭിക്കൂ.

ഇനി, പന്ത് എറിയുന്നതിന് പകരം റോബർട്ടോ കാർലോസിന്റെ ഫ്രീകിക്ക് ആണെങ്കിലോ? അവിടെ കാര്യങ്ങൾ അൽപ്പം കൂടി സങ്കീർണ്ണമാണ്. അടികൊണ്ട പന്ത് വായുവിൽ തിരിയുന്നു (ചിത്രം കാണുക). അതിനു കാരണമായ ഭൗതിക സാഹചര്യം എന്താണെന്ന് ആദ്യം മനസ്സിലാക്കണം. പിന്നെ അനുയോജ്യമായ ഗണിത സമവാക്യം രൂപീകരിക്കണം. അതിനുശേഷം ഈ സമവാക്യത്തെ ആദ്യം ഉപയോഗിച്ച സമവാക്യവുമായി ഇണക്കിചേർക്കണം. വേണ്ട മാറ്റങ്ങൾ വരുത്തി, അടികൊണ്ട പന്ത് ഗോൾപോസ്റ്റിന് അകത്തു കടക്കുമോ എന്ന് പറയാൻ കഴിയുന്ന വിധത്തിൽ രൂപപ്പെടുത്തിയെടുക്കാം. വലിയ പരീക്ഷണങ്ങളുടെ കാര്യത്തിൽ കണക്കുകൂട്ടലുകൾ ചിലപ്പോൾ അതി സങ്കീർണ്ണമാവും. അങ്ങനെ വന്നാൽ കമ്പ്യൂട്ടറുകളുടെ സഹായം തേടാം – ഗണിത സമവാക്യങ്ങളെ കമ്പ്യൂട്ടർ പ്രോഗ്രാമുകളുടെ സഹായത്തോടെ നിർധാരണം ചെയ്യാം. ഒരു വസ്തുവിന്റെയോ, ഒരു ഭൗതിക സംവിധാനത്തിന്റെയോ (physical system) ഗതി/അവസ്ഥ നിർണ്ണയിക്കുന്ന ഗണിത സമവാക്യങ്ങൾ നിർധാരണം ചെയ്യുന്നത് വഴി ആ വസ്തുവിന്റെ സ്വഭാവം അനുകരിക്കുന്ന (simulate) പ്രോഗ്രാമുകളെ കമ്പ്യൂട്ടർ അധിഷ്ഠിത ഗണിത മാതൃകകൾ (computer based mathematical models) എന്ന് വിളിക്കാം. അതായത്, ഒരു വസ്തുവിന്റെ ഒരു പ്രത്യേക സമയത്തെ, അവശ്യം വേണ്ട വിവരങ്ങൾ നൽകിയാൽ അല്പസമയത്തിന് ശേഷം അതിന്റെ അവസ്ഥ (state) എന്തായിരിക്കും എന്ന് മുൻകൂട്ടി പറയുവാൻ (predict) ഇത്തരത്തിൽ വികസിപ്പിച്ചെടുക്കുന്ന മോഡലുകൾക്ക് സാധിക്കും.

ഒരു അടച്ച ജാറിനുള്ളിൽ അൽപ്പം വായുനിറച്ചശേഷം, പല ലബോറട്ടറി പരീക്ഷണങ്ങളും നടത്താം. ഒരു പിസ്റ്റൺ ഉപയോഗിച്ച് മർദ്ദം ചെലുത്താം, ഒരു ഭാഗം ചൂടാക്കി നോക്കാം. അങ്ങനെ പലതും. മേൽപ്പറഞ്ഞ അവസരങ്ങളിലെല്ലാം ജാറിലെ വായുവിന്റെ സ്വഭാവത്തിൽ (properties) പല വ്യത്യാസങ്ങളും സംഭവിക്കും. ഇതെല്ലാം കൃത്യമായ ഭൗതിക നിയമങ്ങളുടെ അടിസ്ഥാനത്തിൽ മാത്രമാവും സംഭവിക്കുക. ഈ നിയമങ്ങളെല്ലാം കൃത്യമായി അറിയാമെങ്കിൽ നമുക്ക് ഈ ജാറിന്റെ ഒരു ഗണിത മോഡൽ ഉണ്ടാക്കാം. കമ്പ്യൂട്ടറിന്റെ സഹായത്തോടെ പല സിമുലേഷനുകളും (പരീക്ഷണങ്ങളും) നടത്തി നോക്കാം. മികച്ച കമ്പ്യൂട്ടറും അനുയോജ്യമായ മോഡലും ഉണ്ടെങ്കിൽ എത്ര വലിയ പരീക്ഷണവും എളുപ്പത്തിൽ നടത്താം എന്നതാണ് ഇത്തരം കമ്പൂട്ടർ അധിഷ്ഠിത പരീക്ഷണങ്ങളുടെ പ്രധാന നേട്ടം. മാത്രമല്ല, സ്ഥല പരിമിതി, അപകട സാധ്യത മുതലായ പ്രശ്നങ്ങൾ ഇല്ലതാനും. പറഞ്ഞുവരുന്നത്, ജാറിലടച്ച വായുവിന്റെ മാതൃക പോലെ ഭൂമിയുടെ അന്തരീക്ഷ മാതൃകയും നമുക്ക് നിർമ്മിച്ചെടുക്കാം. എന്നാൽ, കാര്യങ്ങൾ ജാറിലേതുപോലെ ലളിതമല്ല. ഭൂമിയുടെ മേൽഭാഗം കടലും മലയും ഗർത്തവും എല്ലാം നിറഞ്ഞതാണ്. അതാത് സ്ഥലത്തെ ഭൂപ്രകൃതി മോഡലിൽ കൃത്യമായി ഉൾക്കൊള്ളിക്കേണ്ടത് അത്യാവശ്യമാണ്. മറ്റൊരു പ്രധാന സവിശേഷത അന്തരീക്ഷത്തിലെ ജലത്തിന്റെ സാന്നിധ്യമാണ്. ജലത്തിന് ഭൂമിയിൽ അതിന്റെ മൂന്ന് അവസ്ഥകളിലും നിലനിൽക്കാം – ഖരം (ഐസ്) – ദ്രാവകം (ജലം) – വാതകം (നീരാവി). അന്തരീക്ഷത്തിലെ താപനിലയിലും മർദ്ദത്തിലും ഉണ്ടാവുന്ന വ്യത്യാസങ്ങൾ അനുസരിച്ചു് ജലം നീരാവിയാവുകയോ, തിരിച്ചോ അല്ലെങ്കിൽ ഐസാവുകയോ ഒക്കെ സംഭവിക്കാം. ഇത്തരം മാറ്റങ്ങൾ സംഭവിക്കുമ്പോൾ അതിനോടനുബന്ധിച്ചുള്ള ഊർജമാറ്റങ്ങൾ ഏറെ പ്രധാനപ്പെട്ടതാണ്. പിന്നെ, ഭൂമി നിരന്തരം അതിന്റെ അച്ചുതണ്ടിൽ കറങ്ങിക്കൊണ്ടിരിക്കുന്നുണ്ട്. അതുമായി ബന്ധപ്പെട്ട (കൊറിയോലിസ് പ്രഭാവം മുതലായ) സങ്കീർണ്ണതകൾ വേറെ. ഇത്തരം സവിശേഷതകളെല്ലാം ഉൾക്കൊള്ളുന്ന ഒരു മോഡൽ വികസിപ്പിച്ചെടുത്താൽ നമ്മുടെ അന്തരീക്ഷത്തിലെ ഒട്ടുമിക്ക സംഭവങ്ങളും മുൻകൂട്ടി പ്രവചിക്കാൻ കഴിയും. പക്ഷെ, ഇത് ഏറെ പരിശ്രമം വേണ്ട ജോലിയാണെന്ന് മാത്രമല്ല, വളരെയധികം പരിമിതികളുമുണ്ട്. ഒരു പ്രധാന പ്രശ്നം അന്തരീക്ഷ മോഡലുകളിലെ ഗണിത സമവാക്യങ്ങളെല്ലാം അത്യന്തം സങ്കീർണ്ണവും നേരായ വഴിയിൽ ഉത്തരം കണ്ടെത്താൻ കഴിയുന്നവയുമല്ല എന്നതാണ് (non-linear partial differential equations). മറ്റൊന്ന്, അന്തരീക്ഷത്തിലെ, ഇനിയും പൂർണ്ണമായി പിടിതരാതെ ഒളിച്ചു കളിക്കുന്ന പ്രതിഭാസങ്ങളാണ്. എന്തുകൊണ്ട്/എങ്ങനെ സംഭവിക്കുന്നു എന്നതിന് പഴുതടച്ച സിദ്ധാന്തം നിലവിലില്ലാത്ത സംഗതികൾ. അതിനാൽ അത്തരം പ്രതിഭാസങ്ങളെ ഗണിത സമവാക്യങ്ങളായി കോർത്തെടുക്കുമ്പോൾ പിശകുകൾ പിണയാം. മറ്റൊന്ന്, അന്തരീക്ഷത്തിൽ സംഭവിക്കുന്ന പല പ്രതിഭാസങ്ങൾക്കും കാരണം അന്തരീക്ഷം മാത്രമല്ല. കടലുമായും, കരയുമായും നമ്മുടെ ഭൂമിയുടെ അന്തരീക്ഷം നിരന്തരം കൊടുക്കൽ വാങ്ങൽ പ്രക്രിയ നടത്തിക്കൊണ്ടിരിക്കുന്നുണ്ട് (atmosphere-ocean/land interactions). ഇതെല്ലാം വേണ്ടരീതിയിൽ മോഡലിൽ ഇണക്കി ചേർക്കുന്നത് ഏറെ ദുഷ്കരമാണ്. ഇത്തരത്തിൽ വികസിപ്പിച്ചെടുക്കുന്ന കമ്പ്യൂട്ടർ പ്രോഗ്രാമുകൾക്ക് ലക്ഷക്കണക്കിനോ കോടിക്കണക്കിനോ വരികൾ വലുപ്പമുണ്ടാകും – കുറെ മനുഷ്യരുടെ അദ്ധ്വാനം വേണ്ട പ്രക്രിയയാണ്. മറ്റൊന്ന്, ഇത്രയും ഭീമമായ മോഡൽ ഒരു സാധാരണ കമ്പ്യൂട്ടർ ഉപയോഗിച്ച് പ്രവർത്തിപ്പിക്കാനും കഴിയില്ല– വളരെ വേഗമേറിയ സൂപ്പർ കമ്പ്യൂട്ടറുകളാണ് ഇതിനായി ഉപയോഗിക്കുന്നത്.

ഇനി, ഇത്തരം ഒരു മോഡലും അത് പ്രവർത്തിപ്പിക്കുവാൻ വേണ്ട സൂപ്പർ കമ്പ്യൂട്ടറും നമ്മുടെ കൈവശം ഉണ്ടെന്നിരിക്കട്ടെ. ഇനി പ്രവചനമാണ് (forecast). ഒരു പ്രത്യേക സമയത്തെ അന്തരീക്ഷാവസ്ഥ കൃത്യമായി പറഞ്ഞുകൊടുത്താൽ സമീപഭാവിയിൽ (ഏതാനും ദിവസങ്ങളോ കുറച്ചു മാസങ്ങളോ) അന്തരീക്ഷത്തിന്റെ സ്വഭാവം പ്രവചിക്കുവാൻ പാകത്തിനാണ് ഒട്ടുമിക്ക മോഡലുകളും വികസിപ്പിച്ചിട്ടുള്ളത്. അന്തരീക്ഷാവസ്ഥ, ആ സമയത്തെ താപനില, കാറ്റിന്റെ വേഗം, ഈർപ്പത്തിന്റെ അളവ് (humidity), മർദ്ദം (pressure) എന്നീ അളവുകൾ കൊണ്ട് അടയാളപ്പെടുത്താം. അതായത്, പ്രവചനം തുടങ്ങുന്ന സമയത്തെ മേൽപ്പറഞ്ഞ അളവുകൾ (parameters) മോഡലിന് ഇൻപുട്ടായി നൽകിയാൽ ഏതാനും മണിക്കൂർ കഴിഞ്ഞാൽ അന്തരീക്ഷം എങ്ങനെയായിരിക്കും എന്ന് ഫോർകാസ്റ് ചെയ്യാൻ കഴിയും, ഇവിടെ ഏറ്റവും നിർണ്ണായകമായ സംഗതി നമ്മൾ കൊടുക്കുന്ന ഇൻപുട്ട് ഡാറ്റയാണ്. ഫോർകാസ്റ്റിന്റെ അഥവാ പ്രവചന കൃത്യത ഒരു പരിധിവരെ ഇൻപുട്ട് ഡാറ്റയുടെ കൃത്യതയെ ആശ്രയിച്ചിരിക്കുന്നു. എന്നുപറഞ്ഞാൽ, എത്ര നന്നായി അന്തരീക്ഷത്തിലെ കാറ്റ്, മർദ്ദം, താപനില, ജലാംശം എന്നീ പരാമീറ്ററുകൾ അളക്കുവാൻ സാധിക്കുന്നുവോ (observations), അത്രയും നന്നായി പ്രെഡിക്ഷനും നടത്താം.

അതായത്, ഇത്തരം മോഡലുകളെല്ലാം അടിസ്ഥാനപരമായി അന്തരീക്ഷത്തിന്റെ മൊത്തം സ്വഭാവം അനുകരിക്കുകയാണ് ചെയ്യുന്നത്. അപ്പോൾ അന്തരീക്ഷത്തിൽ പ്രകടമാവുന്ന ഏതൊരു മാറ്റവും ഇത്തരം മോഡലുകൾക്ക് മുൻകൂട്ടി കാണുവാൻ സാധിക്കും. ചുഴലിക്കാറ്റുകളും മറ്റ് അതിതീവ്ര പ്രതിഭാസങ്ങളുമെല്ലാം തന്നെ പല സമയങ്ങളിലായി അന്തരീക്ഷത്തിൽ പ്രകടമാവുന്ന ചില പ്രതിഭാസങ്ങളാണല്ലോ. അതുകൊണ്ടുതന്നെ അന്തരീക്ഷത്തിന്റെ സ്വഭാവമാകെ അനുകരിക്കാൻ കഴിയുന്ന ഒരു മോഡൽ കൊണ്ട് നമുക്ക് ഇത്തരം പ്രതിഭാസങ്ങളും പ്രവചിക്കാം. ഇത്തരം അതിതീവ്ര പ്രതിഭാസങ്ങളുടെ പ്രവചനത്തിലെ പ്രധാന പ്രശ്നം, ഇവയൊന്നും ഒരാഴ്ചയ്ക്കപ്പുറം, കൃത്യമായി എവിടെ സംഭവിക്കും എന്നുള്ളത് മുൻകൂട്ടി പറയുവാൻ സാധിക്കില്ല. അത് പ്രവചനത്തിന്റെ ഒരു സഹജമായ പരിമിതിയാണ്. ഇന്ത്യയിൽ നാം ഇപ്പോൾ Global Forecast System (GFS), Unified Model എന്നീ മോഡലുകൾ ആണ് 10 ദിവസം വരെയുള്ള പ്രവചനത്തിന് പ്രധാനമായും ഉപയോഗിക്കുന്നത്. USA ലും UK ലും വികസിപ്പിച്ച ഈ മോഡലുകൾ വേണ്ടരീതിയിൽ പരിഷ്കരിച്ചാണ് പ്രവചനങ്ങൾ സാധ്യമാക്കുന്നത്.