Μετεωρολογία

Το Φαινόμενο της Πεταλούδας ή τι είναι χάος;

Πως μπήκαν οι αρχές της μετεωρολογίας.

Σήμερα το Φαινόμενο της Πεταλούδας είναι η άποψη οτι ένα φαινομενικά ασήμαντο άτομο ή  μια ιδέα  μπορεί να αλλάξει την πορεία ολόκληρης της ανθρωπότητας.  

Τι είναι χάος.

Το χάος έχει διαφορετικές έννοιες στην καθημερινή γλώσσα, στην επιστήμη ή στη φιλοσοφία. Για τους επιστήμονες το χάος ορίζεται σαν «την εξαιρετικά ευαίσθητη εξάρτηση της κίνησης από τις αρχικές συνθήκες». Υπάρχει όταν σε ένα δυναμικό σύστημα παρουσιάζονται πολύ μεγάλες ευαισθησίες ακόμη και σε μικρές αλλαγές των αρχικών συνθηκών. Χαρακτηρίζεται χάος δε γιατί είναι μεν φυσική διαδικασία αλλά δεν μπορεί να υπολογιστεί με τους νόμους της φυσικής.

Τα πρώτα μετεωρολογικά μοντέλα και ο Λόρεντζ

Από μικρό παιδί ο Εντουαρτ Ν. Λορεντζ (Edward Norton Lorenz) παρατηρούσε τον καιρό και κρατούσε διάφορες σημειώσεις. Μεγαλώνοντας σπούδασε μαθηματικός. Στον Β΄Παγκόσμιο πόλεμο κατατάχθηκε στην Αεροπορία  Στρατού, στις μετεωρολογικές προβλέψεις. Αφού αποστρατεύθηκε αποφάσισε να ασχοληθεί με την Μετεωρολογία που του άρεσε δίνοντας μία ευκαιρία σύνδεσης των μαθηματικών με τη μετεωρολογία. Η πρόγνωση του καιρού αποτελούσε πάντα πρόβλημα. Μεχρι τότε οι μετεωρολόγοι μπορούσαν να κάνουν προβλέψεις για λίγες μόνο μέρες αλλά όχι μακροπρόθεσμα.

Στην δεκαετία του 1960 έφτιαξε στον τότε υπολογιστή του κάτι σαν παιχνίδι τυπώνοντας σε μιά σελίδα κάποιους αριθμούς. Αυτοί οι αριθμοί αναπαριστούσαν διάφορα χαρακτηριστικά του καιρού. Οποιος κατάφερνε να τους «διαβάσει» είχε μιά μετεωρολογική πρόβλεψη που όμως ποτέ δεν επαναλαμβανόταν για δεύτερη φορά. Επίσης τυπωνόταν κάποιες γραμμικές απεικονήσεις – φάσεις. Αυτές αρχικά ήταν ανάλογες αλλά οι επόμενες δεν ήταν ποτέ ίδιες.

Ο Λόρεντζ λοιπόν έκανε τους υπολογισμούς του με τη χρήση ενός ειδικού λογισμικού για την πρόβλεψη του καιρού. Κατασκεύασε ένα μαθηματικό μοντέλο του καιρού με εξισώσεις που θα αναπαριστούσαν μεταβολές στην θερμοκρασία, την πίεση, την ταχύτητα του ανέμου κλπ αλλά με μεγάλη πολυπλοκότητα. Και αντί για 6 δεκαδικά ψηφία που έδινε με ακρίβεια το πρόγραμμα εκείνος κρατούσε μόνο τα 3. Όταν επαναλάμβανε ένα πείραμα χρησιμοποιώντας  τα ίδια στοιχεία εισόδου, έβλεπε και πάλι οτι το αποτέλεσμα ήταν τελείως διαφορετικό απο το προηγούμενο.  Ενα τόσο μικρό σφάλμα στα ψηφία είχε τόσο χαοτική  συμπεριφορά;

Το φαινόμενο της πεταλούδας και η θεωρία του χάους.

Ο Λόρεντζ γνώριζε ότι βρισκόταν κοντά σε κάτι πολύ σημαντικό εφόσον η εικόνα που είχε επίσης πάρει στο χώρο των φάσεων και εξ αιτίας των χαοτικών συμπεριφορών έμοιαζε με τα φτερά μιας πεταλούδας. Δηλαδή προέκυψαν δύο λοβοί που έμοιαζαν με το αριστερό φτερό της πεταλούδας, και πέντε που έμοιαζαν με το δεξί. Σήμερα, η εικόνα αυτή είναι γνώστη ως το φαινόμενο της πεταλούδας.Ετσι λοιπόν ο Λόρεντζ κατέληξε στη σκέψη ότι οι εξισώσεις που εμπλέκονται στην πρόγνωση του καιρού ήταν χαοτικές. Επίσης σκέφθηκε οτι πολύ μικρά λάθη σε κάποιους παράγοντες στις αρχικές συνθήκες πολλαπλασιάζονταν. Το αποτέλεσμα ήταν να μην είναι εφικτή η μακροχρόνια πρόβλεψη καιρικών φαινομένων.

Με βάση τα προηγούμενα ο Λόρεντζ διατύπωσε την θεωρία του χάους δηλαδή την ευαίσθητη εξάρτηση απο τις αρχικές συνθήκες.Με άλλα λόγια η συμπεριφορά ενός χαοτικού συστήματος είναι απρόβλεπτη σε βάθος χρόνου. Ο όρος χρησιμοποιείται για να περιγράψει ότι μικρές αλλαγές στις αρχικές συνθήκες (το πέταγμα των φτερών μιας πεταλούδας στην Ασία) μπορεί να έχει σημαντικές επιπτώσεις (δημιουργία τυφώνα στη Β. Αμερική).
Στην πραγματικότητα είναι μάλλον αδύνατο να προκληθεί τυφώνας από το πέταγμα μιας πεταλούδας.  Εκτός και αν κουνήσει τα φτερά της σε μια πολύ συγκεκριμένη χρονική στιγμή, με συγκεκριμένες συνθήκες, κάτι που έτσι κι αλλιώς είναι αδύνατον να προβλεφθεί.

Στη Μετεωρολογία

Με την πάροδο των χρόνων αναπτύχθηκαν ακόμη περισσότερο οι υπολογιστές και  κατ’ επέκταση τα μετεωρολογικά μοντέλα. Δεδομένα καιρού έρχονται σήμερα από κάθε σημείο της γής, από πλοία, αεροπλάνα  και δορυφόρους. Πάντα όμως υπάρχει το Φαινόμενο της Πεταλούδας. Αυτό γιατί εάν σήμερα έχουμε ασφαλή πρόβλεψη καιρού, στη  διάρκεια ενός μήνα θα υπάχουν αυξομειώσεις ανάμεσα στους ανιχνευτές, δηλαδή  μικρές αποκλίσεις  απο τη μέση συμπεριφορά. Αυτές τις αποκλίσεις  δεν μπορεί να της γνωρίζει ο υπολογιστής. Επομένως θα δημιουργηθούν σφάλματα που θα πολλαπλασιασθούν εξ αιτίας των πολλών σημείων μετάδοσης δεδομένων.

Related Articles

Leave a Reply

Your email address will not be published. Required fields are marked *

Δείτε επίσης

Close
Close