Bulan lalu, walaupun akibat tragis Taufan Sandy, satu perkara menjadi jelas - model cuaca yang kuat kini tersedia menjadi lebih baik dan lebih baik membantu para peramal meramalkan di mana ribut seperti Sandy akan datang.
Kandungan Terkait
- Mengapa Trend Google Flu Tidak Dapat Mengesan Flu (Namun)
Teknologi itu lebih berguna daripada hanya ramalan ribut. Dalam satu kajian yang diterbitkan semalam di Prosiding Akademi Sains Kebangsaan, sepasang penyelidik telah memanfaatkan teknologi ini untuk meramalkan penyebaran selesema. Dengan data masa nyata dari Google Flu Trends, model mereka boleh meramalkan di mana, kapan dan bagaimana wabak selesema bermusim yang teruk akan berlaku di seluruh negara.
"Penemuan menunjukkan bahawa ramalan mahir yang tepat pada masa puncak boleh dibuat lebih dari tujuh minggu sebelum puncak sebenar, " tulis Jeffrey Shaman, seorang saintis alam sekitar dari Columbia University, dan Alicia Karspeck dari Pusat Penyelidikan Atmosfera Negara, dalam kertas mereka. "Kerja ini merupakan langkah awal dalam pembangunan sistem yang ketat secara statistik untuk ramalan masa nyata influenza bermusim." Jika harapan sedemikian akan membuahkan hasil, mungkin ada sesuatu seperti sistem peringatan selesema maju ("kadar selesema dijangkakan ke puncak di kawasan anda pada minggu depan ") yang serupa dengan kejadian taufan dan peristiwa cuaca yang teruk.
Kedua-dua cuaca dan penyebaran selsema adalah contoh sistem bukan linear: yang mana perubahan kecil dalam keadaan permulaan dapat membawa perubahan besar dalam hasil. Dalam membina model cuaca, para saintis melihat data sejarah mengenai bagaimana perubahan kecil ini (sedikit air panas di Caribbean, berkata) telah memberi kesan kepada hasil (badai dengan lebih banyak kekuatan ketika ia membuat tanah di Pantai Timur). Dengan mengamalkan tahun data dan menjalankan simulasi yang tidak terhitung, mereka boleh menjana ramalan yang agak tepat untuk kemungkinan peristiwa cuaca hipotetikal yang berlaku dalam tempoh kira-kira seminggu.
Dalam kajian baru, para penyelidik menggunakan prinsip-prinsip yang diperoleh dari model-model ini dan menggunakannya untuk penyebaran selesema. Untuk input, sebagai tambahan kepada ukuran atmosfera suhu, tekanan dan angin, mereka menggunakan Google Flu Trends, sebuah perkhidmatan yang menyediakan data masa nyata mengenai penghantaran selesema di seluruh dunia dengan teliti memeriksa istilah carian yang dimasukkan ke Google. Walaupun tidak setiap orang yang mencari "selesema" semestinya mempunyai selesema, penyelidik Google telah menunjukkan bahawa istilah carian yang berkaitan dengan flu boleh menjadi proksi yang tepat untuk kadar penghantaran selesema di seluruh dunia-jika banyak orang di kawasan tertentu tiba-tiba pergi mencari "selesema, "Ia adalah pertaruhan yang baik bahawa jangkitan telah tiba beramai-ramai.
Influenza seolah-olah berkelakuan mengikut prinsip probabilistik yang melibatkan keadaan atmosfera yang serupa dengan cuaca. Faktor lain yang perlu dipertimbangkan termasuk kepadatan penduduk kawasan. Dalam menggabungkan faktor-faktor seperti kelembapan dan suhu dengan data dari Google dan maklumat kadar selesema sebenar yang disimpan oleh hospital, para penyelidik dapat membangunkan model yang menghampiri bagaimana selesema telah ditransmisikan dalam tahun-tahun sejak pegawai-pegawai telah melacak.
Untuk menguji model mereka, para penyelidik menilai data selesema New York City dari 2003 hingga 2008. Dengan memasukkan data mengenai penghantaran selesema hingga ke masa yang diberikan dan meminta model menyediakan ramalan mingguan tentang bagaimana selesema akan bertindak, mereka dapat menghasilkan ramalan yang tepat apabila jangkitan akan puncak, kadang-kadang sehingga tujuh minggu lebih awal daripada masa. Di samping itu, seperti dengan model cuaca, sistem dapat membezakan antara beberapa senario yang berbeza dan memberikan anggaran tentang bagaimana setiap kemungkinan berlaku.
Dengan data pembangunan dan data masa nyata seperti aliran Flu Google, teknologi jenis ini secara teorinya boleh digunakan untuk menjana ramalan selesema untuk kawasan setempat, bahkan ke peringkat negeri atau bandar.
