Peramalan data dan cuaca yang besar

Peramalan cuaca selalu sangat menantang, mengingat jumlah variabel yang terlibat dan interaksi kompleks antara variabel tersebut. Peningkatan dramatis dalam kemampuan untuk mengumpulkan dan mengolah data telah sangat meningkatkan kemampuan peramal cuaca untuk menentukan waktu dan tingkat keparahan angin topan, banjir, badai salju, dan kejadian cuaca lainnya.

Salah satu contoh aplikasi data besar untuk peramalan cuaca adalah Deep Thunder dari IBM. Tidak seperti banyak sistem peramalan cuaca, yang memberikan informasi umum tentang wilayah geografis yang luas, Deep Thunder memberikan perkiraan untuk lokasi yang sangat spesifik, seperti bandara tunggal, sehingga pemerintah daerah dapat memperoleh informasi penting secara real time. Berikut adalah beberapa contoh informasi yang bisa diberikan Deep Thunder:

• Perkiraan daerah dimana banjir kemungkinan paling parah

• Kekuatan dan arah badai tropis

• Jumlah salju atau hujan yang paling mungkin akan jatuh di wilayah tertentu > Lokasi yang paling mungkin dari garis daya yang jatuh

• Perkiraan daerah dimana kecepatan angin paling besar

• Lokasi dimana jembatan dan jalan kemungkinan besar rusak oleh badai

• Kemungkinan penerbangan dibatalkan di bandara tertentu

• Informasi ini penting untuk perencanaan darurat. Dengan menggunakan data yang besar, pihak berwenang setempat dapat mengantisipasi dengan lebih baik masalah yang disebabkan oleh cuaca sebelum terjadi. Misalnya, perencana bisa melakukan persiapan untuk mengevakuasi daerah dataran rendah yang cenderung kebanjiran. Mungkin juga membuat rencana untuk meningkatkan fasilitas yang ada. (Misalnya, saluran listrik yang mudah dilumpuhkan oleh angin kencang dapat ditingkatkan.)

Salah satu pelanggan penting Deep Thunder adalah kota Rio de Janeiro, Brasil, yang akan menggunakan sistem tersebut dalam merencanakan Olimpiade 2016. Dengan menggunakan teknologi ini, kota ini akan menggunakan ramalan yang lebih baik untuk badai, banjir, dan bencana alam lainnya untuk memastikan bahwa Olimpiade tidak akan terganggu oleh kejadian semacam itu.

IBM juga menyediakan daya komputasi masif ke Korea Meteorological Administration (KMA) untuk sepenuhnya merangkul teknologi data yang besar. KMA mengumpulkan lebih dari 1. 5 terabyte data meteorologi setiap hari, yang membutuhkan jumlah penyimpanan dan kekuatan pemrosesan yang mengejutkan untuk dianalisis. Dengan menggunakan data besar, KMA akan dapat memperbaiki prakiraannya mengenai kekuatan dan lokasi badai tropis dan sistem cuaca lainnya.

Terabyte sama dengan satu triliun byte. Itu 1, 000, 000, 000, 000 byte informasi. Anda akan menulis satu triliun byte dalam notasi ilmiah sebagai 1. 0 x 10

12 ^{. Untuk menempatkannya dalam perspektif, Anda memerlukan sekitar 1, 500 CD untuk menyimpan terabyte tunggal. Termasuk kotak plastik mereka, yang akan menumpuk sebagai menara CD setinggi 40 kaki.} Contoh lain penggunaan data besar dalam peramalan cuaca terjadi saat Badai Sandy pada tahun 2012 - "badai abad ini. "National Hurricane Center dapat menggunakan teknologi data yang besar untuk memprediksi pendaratan topan sampai 30 mil lima hari sebelumnya. Itu adalah peningkatan akurasi yang dramatis dari apa yang mungkin terjadi bahkan 20 tahun yang lalu. Akibatnya, FEMA dan organisasi manajemen bencana lainnya jauh lebih siap menghadapi kekacauan daripada yang mungkin terjadi pada tahun 1990an atau lebih awal.

Salah satu konsekuensi menarik dari mengumpulkan dan memproses lebih banyak data cuaca adalah munculnya perusahaan yang menjual asuransi khusus untuk melindungi dari kerusakan cuaca. Salah satu contohnya adalah Climate Corporation, yang dibentuk pada tahun 2006 oleh dua mantan karyawan Google. Climate Corporation menjual layanan peramalan cuaca dan asuransi khusus kepada para petani yang berusaha untuk melindungi risiko kerusakan tanaman. Perusahaan menggunakan data besar untuk menentukan jenis risiko yang relevan dengan area tertentu, berdasarkan sejumlah besar data tentang kelembaban, jenis tanah, hasil panen di masa lalu, dan sebagainya.

Pertanian adalah bisnis yang sangat berisiko, karena variabel cuaca jauh lebih mudah diprediksi daripada variabel yang mempengaruhi kebanyakan bisnis lain, seperti suku bunga, keadaan ekonomi, dan lain-lain. Meskipun asuransi pertanian tersedia dari pemerintah federal, dalam banyak kasus tidak cukup untuk memenuhi jenis risiko yang lebih khusus yang mengganggu famers individu. Climate Corporation mengisi kesenjangan dalam asuransi federal - kesenjangan yang tidak mungkin ditawarkan tanpa pemahaman yang lebih baik mengenai faktor risiko yang dihadapi petani secara individual. Ke depan, karena semakin banyak data tersedia, bahkan produk asuransi khusus lainnya (seperti asuransi untuk tanaman tertentu) mungkin tersedia.