날씨 예보에 대한 사람들의 의견은 다양함. 예보의 정확도는 사용하는 모델에 따라 다를 수 있음. 예를 들어, Apple Watch의 날씨는 GFS 모델을 따르는데, GFS는 중기 예보에는 적당하지만 단기 예보에는 그다지 유용하지 않음. NAM 모델은 하루나 이틀 전 예보에, HRRR 모델은 몇 시간 전 예보에 더 나음. 대규모 날씨 이벤트의 경우, 국립기상서비스의 브리핑이 좋은 자료가 될 수 있지만, 때때로 브리핑이 일찍 중단됨. 예보보다 더 정확한 정보를 원한다면 직접 원시 데이터를 확인할 수 있음.
앤드류 블럼의 책 "The Weather Machine"은 예보의 역사와 현재의 배경에 대해 설명함. 이 책은 예보가 어떻게 작동하는지 이해하고자 하는 여정을 담고 있으며, 예보의 정확성이 역사적으로 어떻게 향상되었는지, 현대의 '날씨 기계'가 어떻게 존재하는지에 대한 이야기를 담고 있음.
"The Signal and The Noise"라는 책에서는 사람들이 비가 올 확률이 50% 미만으로 보고됐을 때 비가 오면 예보가 나쁘다고 생각한다고 언급함. 예보가 햇볕이 쨍쨍한 날씨를 예상했는데 맑은 날씨가 되면 기분 좋은 놀라움이 되지만, 그 반대의 경우는 성가심을 느낌. 소비자 중심의 예보자들은 사람들이 '좋은 예보'라고 판단하도록 비 올 확률을 과도하게 높게 조정함.
허리케인이 자주 발생하는 지역에 사는 사람들은 예보가 많이 개선되었지만 여전히 개선의 여지가 많다는 것을 알고 있음. 예보의 정확성을 비교해 볼 수 있는 웹사이트를 추천하며, 예보 제공자를 바꾸면 더 나은 결과를 얻을 수 있음.
긴급한 폭풍 경보의 품질과 신뢰성에 대해서도 인상적이라고 언급함. 이러한 경보는 비를 피하거나 폭우가 내리기 전에 도로에서 잠시 쉴 수 있도록 도와줌. 저소득 국가에서의 예보 개선이 과소평가되고 있다는 주장이 있으며, 이러한 개선이 빈곤한 사람들에게 어떤 영향을 미칠지에 대한 연구가 있는지 궁금함.
open-meteo.com의 창시자는 날씨 예보의 미래가 AI 모델에 크게 의존할 것이라고 언급함. 유럽 기상 예보 센터 ECMWF가 새로운 AI 날씨 모델 AIFS를 공개 데이터로 출시했으며, 이 모델은 기존의 수치 모델보다 더 정확할 뿐만 아니라 실행에 필요한 컴퓨팅 파워도 훨씬 적음.
기사에서 언급된 모든 것이 정확함 – 더 나은 원시 데이터, 더 빠른 컴퓨터, 더 작은 그리드, 더 나은 예측 알고리즘 등이 오늘날 훨씬 더 나은 날씨 정보를 제공함. 하지만 개인적으로 더 나은 결과를 얻기 위해서는 더 많은 노력이 필요함.
날씨 보고서가 비가 내리고 있다는 사실을 인정하지 않는 상황에 대한 개인적인 경험을 공유함. 비가 내리고 있음에도 불구하고 날씨 보고서는 '흐림'이라고만 표시함.
고등학교 때 기상학 수업을 들었던 한 사용자는 매일 날씨 예측 연습을 했던 경험을 공유함. 이 연습은 예보의 질을 더욱 감사하게 만들었으며, '날씨 예보관'이 항상 틀리는 것은 아니라는 것을 깨닫게 함.
ECMWF의 과학자들과의 인터뷰를 담은 팟캐스트를 들었던 경험을 공유함. 그들은 매 10년마다 예보가 하루씩 개선된다고 말함. AI가 오늘날처럼 큰 주제가 아니었던 2019년에 녹음된 것으로, 최근에 Google이 AI 날씨 모델을 발표한 것을 고려할 때 흥미로운 발전임.
Hacker News 의견