Grandes volúmenes de datos y la predicción meteorológica
La predicción del tiempo siempre ha sido un gran desafío, dado el número de variables implicadas y las complejas interacciones entre esas variables. un aumento espectacular de la capacidad de recopilar y procesar los datos han mejorado considerablemente la capacidad de los pronosticadores del tiempo para localizar el momento y la gravedad de los huracanes, inundaciones, tormentas de nieve y otros fenómenos meteorológicos.
Un ejemplo de una aplicación de grandes volúmenes de datos a la predicción meteorológica es de IBM profundo trueno. A diferencia de muchos sistemas de predicción meteorológica, que dan información general sobre una amplia región geográfica, Deep trueno proporciona las 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 zonas donde 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 caerá en un área específica
Los lugares más probables de líneas eléctricas caídas
Las estimaciones de las zonas donde las velocidades del viento son probablemente mayores
Los lugares en los puentes y carreteras más probable que sufran daños por tormentas
La probabilidad de que se cancela vuelos en aeropuertos específicos
Video: Predicción del tiempo sin instrumentos: indicadores naturales
Esta información es esencial para la planificación de emergencia. 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 de energía que son propensos a ser desactivadas por los fuertes vientos se puede actualizar.)
Un cliente importante de profundo trueno es la ciudad de Río de Janeiro, Brasil, que va a utilizar el sistema en la planificación de los Juegos Olímpicos de 2016. El uso de la tecnología, la ciudad va a hacer uso de mejores pronósticos de tormentas, inundaciones y otros desastres naturales con el fin de asegurar que los Juegos Olímpicos no se verá afectado por este tipo de eventos.
Video: Predicción del Tiempo
IBM también está proporcionando potencia de computación masiva a la Administración Meteorológica de Corea (KMA) para abrazar plenamente gran tecnología de datos. El KMA reúne a más de 1,5 terabytes de datos meteorológicos cada día, lo que requiere una cantidad de escalonamiento de almacenamiento y potencia de procesamiento para analizar. Mediante el uso de grandes volúmenes de datos, la KMA será capaz de mejorar sus previsiones sobre 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. Usted escribiría 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 una sola terabytes. Incluyendo sus cajas de plástico, que sería apilar como una torre de 40 pies 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 - “tormenta del siglo”, el Centro Nacional de Huracanes fue capaz de utilizar gran tecnología de datos para predecir la llegada a tierra del huracán a menos de 30 millas un total de cinco días en avanzar. 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 preparados para lidiar con el desastre lo que podría haber sido si se produjo en la década de 1990 o anteriores.
Una de las consecuencias interesantes de recogida y tratamiento de datos de más tiempo 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. El Climate Corporation vende servicios de predicción del tiempo y seguros especializados a los agricultores que tratan de cubrir el riesgo de daños a los cultivos. La compañía utiliza grandes volúmenes de 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.
Video: PARODIA. PREDICCION METEOROLOGICA
La agricultura es un negocio extraordinariamente arriesgada, ya que 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 desde el gobierno federal, en muchos casos no es suficiente para cumplir con los tipos más especializados de los riesgos que afectan a famers individuales. La Corporación Climático llena vacíos en seguros federales - lagunas que serían imposibles sin ofrecer 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 productos de seguros (como los seguros para cultivos específicos) pueden estar disponibles.