Всем привет! Завтра в городе Томске 5 градусов ниже нуля, малооблачно, ветер юго-западный, 4 м в секунду, снег. Я знаю это, потому что уже больше 15 лет профессионально предсказываю погоду.

В 1998-м я закончил радиофизический факультет Томского государственного и пошел работать в Институт мониторинга в томском Академгородке.

Там увлечение погодой началось как хобби, а сейчас мое производство приборов для предсказаний погоды приносит 12 млн рублей в год.

Они хотели меня похоронить, но не знали, что я агрометеорологический зонд

ДИСКЛЕЙМЕР: Статья написана автором блога “Упал, поднялся”, на основе интервью с основателем производства агрометеорологических зондов Александром Мягковым.

Виды предсказания погоды

Чтобы объяснить, чем я занимаюсь, расскажу, как предсказывают погоду. Развитие предсказаний погоды началось с указаний, что зимой – холодно, летом – тепло. Но дотошные люди хотели большего и дошли до 3 ключевых методик.

Синоптический метод

Этот метод с определенной вероятностью предсказывает погоду на 5-10 суток.

Синоптики используют:

– Данные с метеорологических спутников из космоса

В том числе наблюдения за большими массами воздуха. Их называют циклическими явлениями. Те самые циклоны/антициклоны с телевизора.
Фото с метеорологического спутника

Если идет огромный фронт (зона пониженного давления) с Арктики, зная законы переноса воздушных масс, барические законы, синоптики скажут, что в течение 3-4 дней погода будет меняться, будет снегопад, и все это сбудется.

– Данные по морским течениям

Например, популярное теплое течение Гольфстрим формирует погоду на всей европейской части.
Изображение Гольфстрима на тепловом снимке со спутника.

Синоптик обкладывается этой информацией, анализирует и выдает прогноз.
И вот уже ваш любимый телеведущий рассказывает про антициклон

У синоптика работает не искусственный, а естественный интеллект, связанный с опытом, квалификацией. Отсюда вероятности ошибки.

Прогноз неточен из-за того, что мат модели — это мат модели. Например, в мат модели может быть земля — это шар, а она вообще не шар, она немножко сплюснута, а еще есть рельеф (горы), его учитывают, но не сверхточно. Это сказывается на прогнозируемой скорости ветра, например.

Поэтому прогноз погоды точен в рамках 1-2 дней, а дальше ошибки умножаются, и расхождение с реальностью увеличивается.

Метод обратной связи

Еще хорошо работает модель Яндекса. Сама погодная модель термодинамическая с алгоритмами, а дальше Яндекс обращается к пользователям.

• Михаил, у вас идет снег за окном?
  

И начинает работать принцип больших чисел. 1 млн людей получает уведомление с вопросом о наличии идущего снега за окном, полпроцента ответит. Дальше, если 100 человек отвечает, что, да, снег идет, Яндекс корректирует свои прогнозы в информерах, то есть получает прогноз путем прямых наблюдений.

Люди так обманываются, говорят: Яндекс классно показывает погоду, а он показывает, что сейчас за окном и чуть-чуть вперед. Система понимает, если фронт снега идет от Новосибирска в сторону Кемерово, то часа через 3-4 там тоже стоит ждать снег. И с высокой вероятностью прогноз сбывается.
Замечательно, маркетинг, люди радуются, все работает.

Но с точки зрения прогноза погоды история не очень правдивая.

Сейчас Гугл грозит своей системой на основе ИИ – GraphCast, которая уже по их собственным заявлениям работает лучше синоптика.

Nowcasting (от английского “now” – сейчас и “casting” – предсказание)

Методология измерения, которой пользуюсь я, позволяет давать точные прогнозы с высокой достоверностью. И мы получаем данные, которых не видно со спутника. Но технология наукастинга может рассчитать прогноз только на 6-10 часов вперед.

Такие расчеты можно делать, имея измерительную технику. Нужно накинуть сеть метеозондов на территорию с расстоянием в 30-50 км.

Сбор метеоданных по системе наукастинг

Прежде чем интерпретировать данные, их нужно собрать. Оборудование измеряет 13 цифр:

– 50, 40, 30, 20, 10, 5, 0 см вглубь – температура почвы

– 10, 30 и 50 см вглубь – влажность почвы

– Температура воздуха

– Влажность воздуха

– Давление атмосферное

Зонд передает данные нам по мобильной сети

Анализ метеоданных по системе наукастинг
Базис работы с метеоданными – любая погода уже случалась. Любые осадки, любая температура. Раз они уже были, то этому событию что-то предшествовало. Час назад дули такие ветра, было такое давление, такая влажность, такая температура почвы.

Такая система многомерна, и человеку найти тренды нереально. Поэтому мы поручаем искать закономерности мощным компьютерным системам. Машинное обучение позволяет искать события, которые предшествовали какому-либо погодному явлению. Их называют – предикторы.

• И если такие события-предикторы повторяются вновь, то можно с определенной вероятностью сказать, что и погодное явление повторится.
  

Работа этой системы стоит на двух китах:

1.Погода не меняется мгновенно

У меня в Сибири (я из Томска) за окном минус 5 градусов. Я могу точно сказать, что через час ноль градусов точно не будет.

Мы ловим эту тенденцию и методом интерполяции или методом машинного обучения все это дело считаем, уточняем, смотрим. Метод работает 6-10 часов, потом начинает разваливаться, потому что интерполяция становится грубой.

2.Погода где-то недалеко придет к тебе

Ветер переносит воздушные массы. И тепло, и холод, и дождь. У ветра есть направление. Например, вы находитесь в Санкт-Петербурге, а до города Луга у вас 100 км.

И если мы знаем, что воздушный поток идет в сторону Луги со скоростью 5 м/сек, то мы предполагаем, что погода надует сюда через час, и делаем прогноз – что-то придет к нам. Для этого нужны метеосистемы, и они аккуратно считают такие тенденции.

Прогнозы будут улучшаться. Становятся доступны более качественные математические алгоритмы, обученные кластеры, модели, натренированные по большим данным с помощью ИИ, хорошо работают спутниковые/радарные системы.

Кто будет платить за предсказания погоды?

Если вы думаете, стоит ли выходить с девушкой погулять на набережную, вас вполне себе удовлетворит результат предсказаний синоптика. А если дождик начнется, вы пошутите про лживых синоптиков и радостно пройдетесь под одним зонтиком.

Но вот если у вас 5000 Га сельхоз земли, то не вовремя выкопанная, например, картошка, становятся серьезной экономической проблемой.

Для фермеров, работников ЖКХ, укладчиков асфальта наши предсказания по методу наукастинг наиболее актуальны.

Польза метеоданных по системе наукастинг

Этапы роста сельхоз растений разделены временем и погодными условиями. То есть на их развитие погода существенно влияет.

Все жизненные циклы основных сельхозкультур хорошо изучены. Для всех с/х культур мы знаем сумму активных температур, точку старта роста, точку начала увядания.

У растений разная точка роста, где формируется корневая система. Есть, где формируется поверхностная корневая система до 10 см. А есть морковь, которая может залезть на полметра своими корнями в землю. Поэтому для каждого растения нужна своя база данных.
На фото датчики для разной глубины почвы

Итого полученные результаты наших расчетов помогут: определить когда посадить культурное растение, когда обработать от вредителя, когда внести удобрения, а когда выкопать.
____________________________________________
Статья получилась слишком большой и в один пост не влезла.

Продолжение тут

ДИСКЛЕЙМЕР: Статья написана автором блога “Упал, поднялся”, на основе интервью с основателем производства агрометеорологических зондов Александром Мягковым.

Уже больше года я раз в неделю беру интервью у предпринимателей про реальный бизнес, а не этот ваш успешный успех.

Может показаться, что "Упал, поднялся” – это веселые истории о том, как пожарить косточки, насушить листья, склеить картон, чтобы заработать миллионы на маркетплейсах. Но на самом деле в блоге уже больше 50 статей из разных ниш с подробными выкладками по цифрам.

Подписывайтесь на блог “Упал, поднялся – интервью про бизнес”.

Эти статьи я пишу для своего блога, а с командой мы делаем коммерческие блоги, например, блог МоегоСклада. Если вам нужен контент-маркетинг, например, на vc.ru или Хабр, напишите Рюмину.