Orealistiska förväntningar orsakar falska berättelser om väderprognoser

Jag har funderat på detta och bestämde mig till slut för att sätta något på "virtuella" papper. För några av er kan det här kännas som en åsiktsledare. För andra kan det låta som ett litet gnäll. Som vetenskapsman, professor och tidigare president för American Meteorological Society har jag insett att orealistiska förväntningar orsakar falska berättelser om väderprognosernas exakthet. Här är varför jag säger det.

Den här tanken kristalliserades för mig när jag tog en fråga från en lyssnare på en podcast igår. Frågan var: "Varför är det så svårt att spåra orkaner?" Jag blev först förbryllad över frågan, men sedan insåg jag att jag tänkte på den ur mitt perspektiv och inte personen som ställde frågan. Orkanspårsprognos är ett område med betydande framsteg i modern väderförutsägelse. Grafiken nedan visar minskningen av genomsnittliga spårfel i Atlantbassängen från 1970 till 2020. Det är uppenbart att det finns dramatiska förbättringar inom intervallet 1 till 5 dagar. Idag är medelfelet vid 1-dag mindre än 50 sjömil. I början av 1970-talet var det 2 till 3 gånger så mycket. Idag är en 3-dagarsprognos bättre än en 1-dagarsprognos 1970.

Ett annat exempel är minskningen av "osäkerhetskonen". Som orkanexperten Brian McNoldy vid University of Miami skriver i sin blogg (ett måste att läsa förresten), "Storleken på konen är fast för varje prognos för varje storm under en hel orkansäsong, men storleken utvecklas långsamt från år till år. Om stormen rör sig snabbt kommer konen att verka mer långsträckt och om stormen rör sig långsamt kommer käglan att verka mer kompakt... men det är exakt samma kon.” Jake Reyna twittrade en grafik från McNoldy (nedan) som illustrerar att konen har minskat. Gissa vad det betyder? Vi har blivit bättre på att prognostisera spår. Intensitetsprognoserna har släpat men var ironiskt nog ganska solida för orkanen Ian.

Jag tror verkligen att vissa människor tror att vi har absoluta prognosförmåga eller förmåga att berätta för dem exakt spår en orkan kommer att ta. Vi kan inte och kommer aldrig att kunna göra det. Det är vad Jake Reyna menar med "gränsen för förutsägbarhet." Det är också anledningen till att prognosmakare utfärdar information med ett mått av osäkerhet (konen). Även om jag är övertygad om att nya verktyg för riskkommunikation kan behövas framöver, är det för närvarande viktigt för människor att förstå vad konan förmedlar. Under orkanen Ian såg jag människor evakuera från en del av konen till en annan del av konen. Konen tyder på att det är 67 % chans att stormens centrum kommer att vara var som helst i konen returnera inte fokusera uteslutande på mittlinjen.

Orealistiska förväntningar ses också med nederbördsprognoser. Jag har alltid tyckt att det är konstigt att folk uppfattar "20% chans för regn" som att det finns "0% chans för regn." Människor ställer frågor som "Kommer det att regna över min hunds vattenskål i det vänstra hörnet av deras bakgård klockan 12:37?" Ok, jag är hyperbolisk, men jag tror att du förstår min poäng. Väderradar och några moderna appar kan hjälpa till att extrapolera sådan information, men gissa vad? Det kommer alltid att finnas osäkerhet så probabilistisk information levereras. Du ser det med snöprognoser också. Meteorologer kan kräva 3 till 6 tum snö (osäkerhet). Om 3 tum faller, kommer vissa att säga att prognosen var felaktig eftersom de "önskade" för det högre beloppet. Även om det låter bisarrt, ser jag det hela tiden.

Andra orealistiska förväntningar är relaterade till gränser för förutsägbarhet i tid. Jag kan inte berätta hur många gånger den här frågan har ställts upp för mig – "Jag har en ___________ om 2 månader och det är ute, det kommer att regna?" Tyvärr är det enda svaret som är trovärdigt att titta på de klimatologiska möjligheterna för datumet i fråga. Väderprognosfunktioner har gränser på cirka 10 till 14 dagar. Ett Pennsylvania State University pressmeddelande noterade, "Oförutsägbarhet i hur vädret utvecklas innebär att även med perfekta modeller och förståelse för initiala förhållanden finns det en gräns för hur långt i förväg exakta prognoser är möjliga ...." I en studie av universitetsforskare bekräftade de den långvariga hypotesen av Edward Lorenz. Massachusetts Institute of Technologys meteorolog och matematiker gav oss kaosteorin och ansåg att det finns en inneboende gräns för förutsägbarhet. Beväpnad med denna information bör du vara skeptisk till vissa Twitter- eller Facebook-inlägg som söker klick, delningar eller gilla-markeringar.

Mänskliga fördomar formar också perspektiv på väderprognoser. Prognoser är rätt oftare än fel. Men människor tenderar att komma ihåg fel prognoser, särskilt om det påverkade dem på något sätt. Som jag skrev för flera år sedan forbes, "En field goal kicker skulle kunna göra varenda spark under fotbollssäsongen, men tänk om han missar den "stora" i mästerskapets bollspel? Han kan bli förlöjligad eller kritiserad, men är han en dålig kicker? Förmodligen inte, men han missade en spark med stor effekt. Väderprognosresultaten är mycket lika." Runt tiden, marknadsföring professionell Sravanthi Meka twittrade, "Jag jobbar med marknadsföring och kundservice. 90 % av klientinteraktionen efter service är en negativ upplevelse. Folk minns negativa upplevelser mer.”

Väderprognoserna är ganska bra, och de är verkligen bättre än expertförutsägelserna för förra veckans fotbollsmatch från University of Georgia vs University of Tennessee (Go Dawgs!). Det är dock viktigt att dämpa förväntningarna på vad väderprognoser kan leverera. Dessutom, i den här eran av söta väderikoner och appar, försök att undvika att bli "appnotiserad". Väderapparna kan berätta vissa saker men kanske inte vad du behöver veta i förändrade vädersituationer.