Orkanen onder controle
Geplaatst: 01 dec 2004 16:08
Hier volgt het eerste deel van een artikel uit EOS van november 2004. Auteur is Ross Hoffman, hoofdwetenschapper en vice-voorzitter Onderzoek en Ontwikkeling Atmospheric and Environmental Research (AER).
ORKANEN ONDER CONTROLE
Elk jaar weer jagen enorme, rond hun as draaiende stormen over de tropische zeeën in de richting van het vasteland. Daar verwoesten ze, met windsnelheden van meer dan 120 kilometer per uur vaak grote stroken land. Als deze wervelstormen – in de Atlantische oceaan en het oostelijke deel van de Stille Oceaan worden ze orkanen genoemd, in het westelijke deel van de Stille Oceaan tyfoons en in de Indische Oceaan cyclonen – dichtbevolkte gebieden bereiken, kunnen ze duizenden slachtoffers maken en miljarden euro’s schade veroorzaken. Niets, maar dan ook niets, houdt ze tegen.
Vraag is of deze brute natuurkrachten voor altijd oncontroleerbaar zullen blijven? Mijn collega's en ik denken van niet. Om orkanen te beheersen, zullen onderzoekers de richting van een storm uiterst precies moeten voorspellen, de fysische veranderingen die zijn gedrag kunnen beïnvloeden (zoals schommelingen in luchttemperatuur) identificeren en middelen vinden om deze veranderingen uit te lokken. Dit onderzoek staat nog in de kinderschoenen, maar succesvolle computersimulaties van orkanen suggereren wel degelijk dat ingrijpen ooit mogelijk moet zijn. Meer zelfs, het blijkt dat wat het weer voorspellen zo moeilijk maakt - de extreme gevoeligheid van de atmosfeer voor kleine stimuli - wel eens de sleutel tot controle kan betekenen. Onze eerste poging om door kleine veranderingen bij het ontstaan van de storm de richting van een gesimuleerde orkaan te beïnvloeden, slaagde wonderwel. Ook de resultaten nadien waren veelbelovend.
DROMEN VAN BEHEERSEN
Om te begrijpen hoe de mens orkanen en andere tropische stormen kan beheersen, moeten we naar hun oorsprong en aard kijken. Orkanen ontstaan boven tropische oceanen als clusters van onweersbuien. Op geringe geografische breedtes gelegen zeeën voorzien de atmosfeer permanent van warmte en vocht, waardoor boven het zeeoppervlak een laag hete, vochtige lucht wordt gevormd. Wanneer deze lucht stijgt, condenseert de waterdamp erin, tot zich wolken en neerslag ontwikkelen. De condensatie geeft warmte af, de zonnehitte die nodig was om het water aan het zeeoppervlak te verdampen. Deze zogenaamde latente condensatiewarmte verleent de lucht een opwaarts drukkende kracht, waardoor die, in een zichzelf versterkend proces van terugstromen, steeds hoger stijgt. Ten slotte vormt zich een groeiende tropische depressie. Het bekende oog ontstaat, een rustig middelpunt waarrond de orkaan draait. Aan land gekomen wordt de orkaan van zijn voedingsbron (het warme zeewater) afgesneden, waardoor de storm snel in kracht afneemt.
Omdat een orkaan veel energie put uit warmte die vrijkomt wanneer waterdamp boven de oceaan tot wolen en regen condenseert, dachten wetenschappers er vroeger aan het condensatieproces te wijzigen door de wolken te "beschieten". Dat was inderdaad lang de enige praktische manier om het weer te beïnvloeden. In de vroege jaren zestig voerde de door de Amerikaanse regering gesteunde wetenschappelijke adviesgroep Project Stormfury een reeks stoutmoedige (of onbezonnen) experimenten uit om die aanpak te checken.
Project Stormfury trachtte de ontwikkeling van een orkaan tegen te houden door in de eerste regenstrook buiten de zogenaamde wolkenmuur - of "eye wall", de ring wolken en hoge winden die rond het oog cirkelen - de neerslag te vermeerderen. Ze wilden dit doen door de wolken met zilverjodidekristallen te beschieten. De resultaten van Stormfury waren in het beste geval ambigu te noemen. Vandaag beschouwen meteorologen de strooitechnieken als weinig efficiënt omdat, in tegenstelling tot wat vroeger werd verondersteld, de stormen weinig onderkoelde waterdamp blijken te bevatten.
CHAOTISCH WEER
Onze huidige studies gaan terug op een intuïtief gevoel over chaostheorie dat ik dertig jaar geleden als postdoctoraal student al had. Een chaotische systeem lijkt zich willekeurig te gedragen, maar wordt wel degelijk door regels gestuurd. Het is ook zeer gevoelig voor zijn begintoestand, zodat ogenschijnlijk banale, abitraire inputs belangrijke effecten kunnen hebben, effecten die snel tot onvoorspelbare gevolgen leiden. In het geval van orkanen kunnen kleine veranderingen in bijvoorbeeld de oceaantemperatuur, de lokatie van grote windstromingen (die de beweging van een storm bepalen) of zelfs de vorm van de regenwolken die rond het oog draaien, de richting en de kracht van een orkaan beïnvloeden.
De grote gevoeligheid van de atmosfeer voor kleine invloeden - en de snelle opeenstapeling van kleine fouten in weermodellen - maakt weersvoorspellingen voor langere periodes (meer dan vijf dagen op voorhand) zo moeilijk. Ik vroeg me af of kleine, bedoelde ingrepen in een orkaan krachtige effecten konden teweegbrengen en zo de stormen konden beïnvloeden, bijvoorbeeld door ze van bevolkte gebieden weg te houden of door hun windsnelheid te verminderen.
Ik kon die ideeën toen niet verder uitwerken, maar in het voorbije decennium hebben computersimulaties en nieuwe technologieën voor afstandswaarneming mijn aandacht voor weerbeheersing op grote schaal nieuw leven ingeblazen. Met steun van het NASA Institute for Advanced Concepts gebruiken mijn collega's en ik bij Atmospheric and Environmental Research (AER) gedetaillerde computermodellen van orkanen, op zoek naar acties die we eventueel in de werkelijke wereld kunnen toepassen. Meer bepaald gebruiken we weersvoorspellingstechnologie om het gedrag van vroegere orkanen te simulerenen daarna de effecten van diverse interventies te testen.
WE MOETEN CHAOS EEN VORM GEVEN
Zelfs de beste computermodellen van vandaag laten, als het op voorspellen aankomt, veel te wensen over, maar om grote stormen te modelleren zijn ze met enige inspanning wel geschikt. De modellen hangen af van rekenkundige methodes die het complexe ontwikkelingsproces van een storm simuleren door de atmosferische voorwaarden korte, opeenvolgende tijdsperiodes te schatten. Dit soort numerieke berekeningen van weersvoorspellingen gaat ervan uit dat in de atmosfeer massa, energie, impuls en vochtigheid gecreëerd noch vernietigd kunnen worden. In een veranderlijk systeem zoals een orkaan worden deze behouden grootheden met de stroom van de storm meegedragen. In de buurt van de grenzen of de uiteinden van het systeem wordt het ingewikkelder. Aan het zeeoppervlak bijvoorbeeld, houden onze simulaties rekening met het feit dat de atmosfeer de vier behouden grootheden kan winnen of verliezen.
Modelmakers definiëren de toestand van de atmosfeer als een volledige weergave van alle meetbare natuurkundige variabelen, waaronder ook luchtdruk, temperatuur, relatieve vochtigheid en windsnelheid en -richting. Deze grootheden corresponderen met de behouden natuurkundige eigenschappen waarmee de computersimulaties aan de slag gaan. In de meeste weermodellen zijn deze waarneembare variabelen aangebracht op een driedimensionaal rooster dat de atmosfeer voorstelt. Zo kan voor elke eigenschap of elke hoogte een grafische voorstelling worden gemaakt. De verzameling waarden van alle variabelen op alle punten in het rooster wordt door de modelmakers de modelstaat genoemd.
Om een voorspelling te doen zal een numeriek voorspellingsmodel deze modelstaat herhaaldelijk een kleine tijdsinterval (afhankelijk van de schaal een paar seconden tot een paar minuten) vooruitschuiven. Het berekent tijdens elk interval de effecten van de winden die de verschillende atmosferische eigenschappen met zich mee dragen , en van de diverse processen (verdamping, regenval, oppervlaktewrijving, infraroodkoeling en zonnehitte) die in het bestudeerde gebied plaatsvinden.
Spijtig genoeg zijn meteorologische voorspellingen niet perfect. In de eerste plaats is de initiële modelstaat altijd onvolledig en niet exact. Begintoestanden van orkanen zijn extra moeilijk te bepalen doordat directe waarnemingen schaars en moeilijk zijn. Toch weten we van satellietbeelden van wolken dat orkanen uit complexe en gedetailleerde structuren bestaan. Ofschoon deze wolkenbeelden op zich bruikbaar zijn, hebben we meer informatie nodig. Ten tweede zijn de computermodellen van zware tropische stormen zelf aan fouten onderhevig, zelfs al hebben we de begintoestand perfect ingeschat. Zo is de atmosfeer alleen op een puntenrooster gemodelleerd. Eigenschappen die kleiner zijn dan de afstand tussen twee naburige roosterpunten, kunnen we niet als correct beschouwen. Zonder zeer hoge resolutie wordt de structuur van een orkaan nabij de wolkenmuur - het belangrijkste onderdeel - vlakker en zijn de details onduidelijk. Daarbij komt dat de modellen, net als de atmosfeer die ze simuleren, zich chaotisch gedragen en dat onnauwkeurighedendie het gevolg zijn van deze beide oorzaken zeer sterk toenemen naarmate de berekening vordert.
Nochtans is deze technologie voor ons onderzoek waardevol. Voor onze experimenten gebruikten we de vierdimensionale variationele data-assimilatie (4DVAR of four-dimensional variational data assimilation), voor weerweersvoorspellingen een efficiënt initialisatiesysteem. De vierde dimensie waarnaar de titel verwijst, is tijd. Onderzoekers van het Europese Centrum voor Weersverwachtingen op Middellange Termijn (ECMWF), een van de belangrijkste meteorologische centra ter wereld, voorspellen met deze gesofistikeerde techniek dagelijks het weer. Voor de eigenlijke voorspelling begint, worden alle waarnemingen verzameld door satellieten, schepen, boeien en sensoren in de lucht. Om deze meetgegevens zo efficiënt mogelijk te gebruiken, combineert 4DVAR ze met een doordachte eerste schatting van de atmosferische begintoestand. Dit proces wordt data-assimilatie genoemd. De eerste gissing is meestal een voorspelling voor zes uur, terekenen vanaf het tijdstip van de oorspronkelijke waarneming. Merk op dat 4DVAR rekening houdt met elke waarneming op het moment zelf, en ze niet groepeert in een tijdsinterval van meerdere uren. Het resultaat van de samenvoeging van waarnemingsgegevens met de eerste gissingwordt vervolgens gebruikt om de volgende zes urenvoorspelling in gang te zetten.
In theorie zorgt data-assimilatie voor een perfecte benadering van het weer, waarbij de mate waarin het model met de waarnemingen klopt, correspondeert met de mate waarin het met de eerste schatting overeenkomt. Ofschoon de statistische theorie over dit probleem duidelijk is, blijven de veronderstellingen en de informatie die voor de toepassing ervan nodig zijn, enkel benaderend. Als gevolg hiervan is praktische data-assimilatie deels wetenschap, deels kunst.
4DVAR gaat op zoek naar de atmosferische toestand die voldoet aan de correcties aan het model en die zowel dicht bij de eerste gissing als bij de werkelijke waarnemingen ligt. Het doet dat door de modelstaat terug naar de begintoestand bij de start van het zes-uren-interval te corrigeren, rekening houdend met het verschil tussen de waarnemingen en de modelsimulatie tijdens die periode. 4DVAR gebruikt deze verschillen eigenlijk om de gevoeligheid van het model te berekenen: hoe beïnvloeden kleine wijzigingen in elk van de parameters de mate waarin de simulatie met de waarnemingen overeenkomt? Deze berekening, die gebruik maakt van het zogenaamde aangrenzende model, loopt zes uur, de duur van het interval, terug in de tijd. Een optimaliseringsprogramma bepaalt vervolgens hoe de modelstaat het best wordt gecorrigeerd, om ten slotte te komen tot een simulatie die het dichtst de voortgang van de orkaan benadert. Omdat deze harmonisering afhankelijk is van een benadering van de correcties aan het model, moet het hele proces (simulatie, vergelijking, aangrenzend model en optimalisatie) om tot steeds juistere resultaten te komen voortdurend worden herhaald. Zodra het proces is beeïndigd, levert de simulatie op het einde van de periode van zes uur de eerste gissing voor het volgende interval.
Nadat we een orkaan uit het verleden hebben gesimuleerd, kunnen we een of meer eigenschappen ervan op eender welk tijdstip veranderen en vervolgens de effecten van deze verstoringen bestuderen. Het blijkt dat de meeste van deze ingrepen gewoon uitdoven. Alleen interventies met speciale eigenschappen - een bijzonder patroon of een structuur die zichzelf versterkt - zullen zich voldoende ontwikkelen om een storm enigszins te beïnvloeden. Om hiervan een ideen te krijgen moet u zich 2 stemvorken voorstellen, waarvan de ene vibreert, de andere niet. Als de vorken voor verschillende frequenties zijn gestemd, dan blijft de tweede vork bewegingloos, ook al wordt die herhaaldelijk door de geluidsgolven van de eerste bestookt. Maar als de twee voorwerpen dezelfde frequentie delen, dan zal ook de tweede vork of de resonantie reageren en gaan vibreren. Op een gelijkaardige manier moeten we de juiste stimuli - veranderingen in de orkaan - vinden, die een gewenste respons losweken.
Bron: EOS-magazine, november 2004
Auteur: Ross Hoffman
Vertaling: Raf Scheers
ORKANEN ONDER CONTROLE
Elk jaar weer jagen enorme, rond hun as draaiende stormen over de tropische zeeën in de richting van het vasteland. Daar verwoesten ze, met windsnelheden van meer dan 120 kilometer per uur vaak grote stroken land. Als deze wervelstormen – in de Atlantische oceaan en het oostelijke deel van de Stille Oceaan worden ze orkanen genoemd, in het westelijke deel van de Stille Oceaan tyfoons en in de Indische Oceaan cyclonen – dichtbevolkte gebieden bereiken, kunnen ze duizenden slachtoffers maken en miljarden euro’s schade veroorzaken. Niets, maar dan ook niets, houdt ze tegen.
Vraag is of deze brute natuurkrachten voor altijd oncontroleerbaar zullen blijven? Mijn collega's en ik denken van niet. Om orkanen te beheersen, zullen onderzoekers de richting van een storm uiterst precies moeten voorspellen, de fysische veranderingen die zijn gedrag kunnen beïnvloeden (zoals schommelingen in luchttemperatuur) identificeren en middelen vinden om deze veranderingen uit te lokken. Dit onderzoek staat nog in de kinderschoenen, maar succesvolle computersimulaties van orkanen suggereren wel degelijk dat ingrijpen ooit mogelijk moet zijn. Meer zelfs, het blijkt dat wat het weer voorspellen zo moeilijk maakt - de extreme gevoeligheid van de atmosfeer voor kleine stimuli - wel eens de sleutel tot controle kan betekenen. Onze eerste poging om door kleine veranderingen bij het ontstaan van de storm de richting van een gesimuleerde orkaan te beïnvloeden, slaagde wonderwel. Ook de resultaten nadien waren veelbelovend.
DROMEN VAN BEHEERSEN
Om te begrijpen hoe de mens orkanen en andere tropische stormen kan beheersen, moeten we naar hun oorsprong en aard kijken. Orkanen ontstaan boven tropische oceanen als clusters van onweersbuien. Op geringe geografische breedtes gelegen zeeën voorzien de atmosfeer permanent van warmte en vocht, waardoor boven het zeeoppervlak een laag hete, vochtige lucht wordt gevormd. Wanneer deze lucht stijgt, condenseert de waterdamp erin, tot zich wolken en neerslag ontwikkelen. De condensatie geeft warmte af, de zonnehitte die nodig was om het water aan het zeeoppervlak te verdampen. Deze zogenaamde latente condensatiewarmte verleent de lucht een opwaarts drukkende kracht, waardoor die, in een zichzelf versterkend proces van terugstromen, steeds hoger stijgt. Ten slotte vormt zich een groeiende tropische depressie. Het bekende oog ontstaat, een rustig middelpunt waarrond de orkaan draait. Aan land gekomen wordt de orkaan van zijn voedingsbron (het warme zeewater) afgesneden, waardoor de storm snel in kracht afneemt.
Omdat een orkaan veel energie put uit warmte die vrijkomt wanneer waterdamp boven de oceaan tot wolen en regen condenseert, dachten wetenschappers er vroeger aan het condensatieproces te wijzigen door de wolken te "beschieten". Dat was inderdaad lang de enige praktische manier om het weer te beïnvloeden. In de vroege jaren zestig voerde de door de Amerikaanse regering gesteunde wetenschappelijke adviesgroep Project Stormfury een reeks stoutmoedige (of onbezonnen) experimenten uit om die aanpak te checken.
Project Stormfury trachtte de ontwikkeling van een orkaan tegen te houden door in de eerste regenstrook buiten de zogenaamde wolkenmuur - of "eye wall", de ring wolken en hoge winden die rond het oog cirkelen - de neerslag te vermeerderen. Ze wilden dit doen door de wolken met zilverjodidekristallen te beschieten. De resultaten van Stormfury waren in het beste geval ambigu te noemen. Vandaag beschouwen meteorologen de strooitechnieken als weinig efficiënt omdat, in tegenstelling tot wat vroeger werd verondersteld, de stormen weinig onderkoelde waterdamp blijken te bevatten.
CHAOTISCH WEER
Onze huidige studies gaan terug op een intuïtief gevoel over chaostheorie dat ik dertig jaar geleden als postdoctoraal student al had. Een chaotische systeem lijkt zich willekeurig te gedragen, maar wordt wel degelijk door regels gestuurd. Het is ook zeer gevoelig voor zijn begintoestand, zodat ogenschijnlijk banale, abitraire inputs belangrijke effecten kunnen hebben, effecten die snel tot onvoorspelbare gevolgen leiden. In het geval van orkanen kunnen kleine veranderingen in bijvoorbeeld de oceaantemperatuur, de lokatie van grote windstromingen (die de beweging van een storm bepalen) of zelfs de vorm van de regenwolken die rond het oog draaien, de richting en de kracht van een orkaan beïnvloeden.
De grote gevoeligheid van de atmosfeer voor kleine invloeden - en de snelle opeenstapeling van kleine fouten in weermodellen - maakt weersvoorspellingen voor langere periodes (meer dan vijf dagen op voorhand) zo moeilijk. Ik vroeg me af of kleine, bedoelde ingrepen in een orkaan krachtige effecten konden teweegbrengen en zo de stormen konden beïnvloeden, bijvoorbeeld door ze van bevolkte gebieden weg te houden of door hun windsnelheid te verminderen.
Ik kon die ideeën toen niet verder uitwerken, maar in het voorbije decennium hebben computersimulaties en nieuwe technologieën voor afstandswaarneming mijn aandacht voor weerbeheersing op grote schaal nieuw leven ingeblazen. Met steun van het NASA Institute for Advanced Concepts gebruiken mijn collega's en ik bij Atmospheric and Environmental Research (AER) gedetaillerde computermodellen van orkanen, op zoek naar acties die we eventueel in de werkelijke wereld kunnen toepassen. Meer bepaald gebruiken we weersvoorspellingstechnologie om het gedrag van vroegere orkanen te simulerenen daarna de effecten van diverse interventies te testen.
WE MOETEN CHAOS EEN VORM GEVEN
Zelfs de beste computermodellen van vandaag laten, als het op voorspellen aankomt, veel te wensen over, maar om grote stormen te modelleren zijn ze met enige inspanning wel geschikt. De modellen hangen af van rekenkundige methodes die het complexe ontwikkelingsproces van een storm simuleren door de atmosferische voorwaarden korte, opeenvolgende tijdsperiodes te schatten. Dit soort numerieke berekeningen van weersvoorspellingen gaat ervan uit dat in de atmosfeer massa, energie, impuls en vochtigheid gecreëerd noch vernietigd kunnen worden. In een veranderlijk systeem zoals een orkaan worden deze behouden grootheden met de stroom van de storm meegedragen. In de buurt van de grenzen of de uiteinden van het systeem wordt het ingewikkelder. Aan het zeeoppervlak bijvoorbeeld, houden onze simulaties rekening met het feit dat de atmosfeer de vier behouden grootheden kan winnen of verliezen.
Modelmakers definiëren de toestand van de atmosfeer als een volledige weergave van alle meetbare natuurkundige variabelen, waaronder ook luchtdruk, temperatuur, relatieve vochtigheid en windsnelheid en -richting. Deze grootheden corresponderen met de behouden natuurkundige eigenschappen waarmee de computersimulaties aan de slag gaan. In de meeste weermodellen zijn deze waarneembare variabelen aangebracht op een driedimensionaal rooster dat de atmosfeer voorstelt. Zo kan voor elke eigenschap of elke hoogte een grafische voorstelling worden gemaakt. De verzameling waarden van alle variabelen op alle punten in het rooster wordt door de modelmakers de modelstaat genoemd.
Om een voorspelling te doen zal een numeriek voorspellingsmodel deze modelstaat herhaaldelijk een kleine tijdsinterval (afhankelijk van de schaal een paar seconden tot een paar minuten) vooruitschuiven. Het berekent tijdens elk interval de effecten van de winden die de verschillende atmosferische eigenschappen met zich mee dragen , en van de diverse processen (verdamping, regenval, oppervlaktewrijving, infraroodkoeling en zonnehitte) die in het bestudeerde gebied plaatsvinden.
Spijtig genoeg zijn meteorologische voorspellingen niet perfect. In de eerste plaats is de initiële modelstaat altijd onvolledig en niet exact. Begintoestanden van orkanen zijn extra moeilijk te bepalen doordat directe waarnemingen schaars en moeilijk zijn. Toch weten we van satellietbeelden van wolken dat orkanen uit complexe en gedetailleerde structuren bestaan. Ofschoon deze wolkenbeelden op zich bruikbaar zijn, hebben we meer informatie nodig. Ten tweede zijn de computermodellen van zware tropische stormen zelf aan fouten onderhevig, zelfs al hebben we de begintoestand perfect ingeschat. Zo is de atmosfeer alleen op een puntenrooster gemodelleerd. Eigenschappen die kleiner zijn dan de afstand tussen twee naburige roosterpunten, kunnen we niet als correct beschouwen. Zonder zeer hoge resolutie wordt de structuur van een orkaan nabij de wolkenmuur - het belangrijkste onderdeel - vlakker en zijn de details onduidelijk. Daarbij komt dat de modellen, net als de atmosfeer die ze simuleren, zich chaotisch gedragen en dat onnauwkeurighedendie het gevolg zijn van deze beide oorzaken zeer sterk toenemen naarmate de berekening vordert.
Nochtans is deze technologie voor ons onderzoek waardevol. Voor onze experimenten gebruikten we de vierdimensionale variationele data-assimilatie (4DVAR of four-dimensional variational data assimilation), voor weerweersvoorspellingen een efficiënt initialisatiesysteem. De vierde dimensie waarnaar de titel verwijst, is tijd. Onderzoekers van het Europese Centrum voor Weersverwachtingen op Middellange Termijn (ECMWF), een van de belangrijkste meteorologische centra ter wereld, voorspellen met deze gesofistikeerde techniek dagelijks het weer. Voor de eigenlijke voorspelling begint, worden alle waarnemingen verzameld door satellieten, schepen, boeien en sensoren in de lucht. Om deze meetgegevens zo efficiënt mogelijk te gebruiken, combineert 4DVAR ze met een doordachte eerste schatting van de atmosferische begintoestand. Dit proces wordt data-assimilatie genoemd. De eerste gissing is meestal een voorspelling voor zes uur, terekenen vanaf het tijdstip van de oorspronkelijke waarneming. Merk op dat 4DVAR rekening houdt met elke waarneming op het moment zelf, en ze niet groepeert in een tijdsinterval van meerdere uren. Het resultaat van de samenvoeging van waarnemingsgegevens met de eerste gissingwordt vervolgens gebruikt om de volgende zes urenvoorspelling in gang te zetten.
In theorie zorgt data-assimilatie voor een perfecte benadering van het weer, waarbij de mate waarin het model met de waarnemingen klopt, correspondeert met de mate waarin het met de eerste schatting overeenkomt. Ofschoon de statistische theorie over dit probleem duidelijk is, blijven de veronderstellingen en de informatie die voor de toepassing ervan nodig zijn, enkel benaderend. Als gevolg hiervan is praktische data-assimilatie deels wetenschap, deels kunst.
4DVAR gaat op zoek naar de atmosferische toestand die voldoet aan de correcties aan het model en die zowel dicht bij de eerste gissing als bij de werkelijke waarnemingen ligt. Het doet dat door de modelstaat terug naar de begintoestand bij de start van het zes-uren-interval te corrigeren, rekening houdend met het verschil tussen de waarnemingen en de modelsimulatie tijdens die periode. 4DVAR gebruikt deze verschillen eigenlijk om de gevoeligheid van het model te berekenen: hoe beïnvloeden kleine wijzigingen in elk van de parameters de mate waarin de simulatie met de waarnemingen overeenkomt? Deze berekening, die gebruik maakt van het zogenaamde aangrenzende model, loopt zes uur, de duur van het interval, terug in de tijd. Een optimaliseringsprogramma bepaalt vervolgens hoe de modelstaat het best wordt gecorrigeerd, om ten slotte te komen tot een simulatie die het dichtst de voortgang van de orkaan benadert. Omdat deze harmonisering afhankelijk is van een benadering van de correcties aan het model, moet het hele proces (simulatie, vergelijking, aangrenzend model en optimalisatie) om tot steeds juistere resultaten te komen voortdurend worden herhaald. Zodra het proces is beeïndigd, levert de simulatie op het einde van de periode van zes uur de eerste gissing voor het volgende interval.
Nadat we een orkaan uit het verleden hebben gesimuleerd, kunnen we een of meer eigenschappen ervan op eender welk tijdstip veranderen en vervolgens de effecten van deze verstoringen bestuderen. Het blijkt dat de meeste van deze ingrepen gewoon uitdoven. Alleen interventies met speciale eigenschappen - een bijzonder patroon of een structuur die zichzelf versterkt - zullen zich voldoende ontwikkelen om een storm enigszins te beïnvloeden. Om hiervan een ideen te krijgen moet u zich 2 stemvorken voorstellen, waarvan de ene vibreert, de andere niet. Als de vorken voor verschillende frequenties zijn gestemd, dan blijft de tweede vork bewegingloos, ook al wordt die herhaaldelijk door de geluidsgolven van de eerste bestookt. Maar als de twee voorwerpen dezelfde frequentie delen, dan zal ook de tweede vork of de resonantie reageren en gaan vibreren. Op een gelijkaardige manier moeten we de juiste stimuli - veranderingen in de orkaan - vinden, die een gewenste respons losweken.
Bron: EOS-magazine, november 2004
Auteur: Ross Hoffman
Vertaling: Raf Scheers