Read Time:21 Minute

ഡോ. ദീപക് ഗോപാലകൃഷ്ണൻ

Postdoctoral Researcher

Central Michigan University

2024 ജൂൺലക്കം ശാസ്ത്രഗതി മാസികയിൽ പ്രസിദ്ധീകരിച്ച ലേഖനം

ഭൂമിയിലെ കാലാവസ്ഥയെക്കുറിച്ചു മനസ്സിലാക്കുന്നതിനും അന്തരീക്ഷസ്ഥിതിയിലെ മാറ്റങ്ങൾ പ്രവചിക്കുന്നതിനും വേണ്ടിയുള്ള മനുഷ്യന്റെ ശ്രമങ്ങൾക്ക് ഒരുപക്ഷേ, മനുഷ്യരാശിയോളംതന്നെ പഴക്കം കാണും. പ്രാചീനകാല സംസ്ക്‌കാരങ്ങളിൽ ആകാശത്തെ പ്രത്യേകതകൾ നിരീക്ഷിച്ചുംമറ്റും മഴയുടെ വരവ് മുൻകൂട്ടി പ്രവചിക്കുവാൻ ശ്രമിച്ചിരുന്നതായി കരുതുന്നു. അതുപോലെതന്നെ, കാലാവസ്ഥയുമായി ബന്ധപ്പെട്ട് ചില പഴമൊഴികളും നിലനിന്നിരുന്നു. എങ്കിലും, ഇവയിൽ പലതും ശാസ്ത്രീയമായ പിൻബലമുള്ളവയായിരുന്നില്ല. പലരുടെയും അനുഭവങ്ങളിൽനിന്ന് പകർന്നു കിട്ടിയവയും നിരന്തരമായ നിരീക്ഷണങ്ങൾ വഴി ഉരുത്തിരിഞ്ഞ ആശയങ്ങളും വിശ്വാസങ്ങളും എല്ലാം ചേർന്നതായിരുന്നു പണ്ടുകാലത്തെ പ്രവചന രീതികൾ. ഇതിനൊരു മാറ്റം സംഭവിക്കുന്നത് 17-18 നൂറ്റാണ്ടുകളിലായി നിരീക്ഷണോപാധികളുടെ (observational instru- ments) കണ്ടുപിടിത്തത്തോടെയാണ്. അതിനുശേഷം ഭൂമിയുടെ അന്തരീക്ഷത്തെക്കുറിച്ചും കാലാവസ്ഥയെക്കുറിച്ചുമുള്ള നമ്മുടെ ധാരണകൾ കൂടുതൽ വ്യക്തമായി വന്നു. പിന്നീടാണ് ശാസ്ത്രീയമായ പ്രവചനരീതികൾ തുടങ്ങുന്നത്.

പണ്ടുകാലത്ത് ചില സൂചനകൾ മനസ്സിലാക്കി മനുഷ്യർ ചുഴലിക്കാറ്റിന്റെ വരവും മഴയുടെ സാന്നിധ്യവും മറ്റും പ്രവചിക്കുവാൻ ശ്രമിച്ചിരുന്നു. പിന്നീട്, 17-18 നൂറ്റാണ്ടുകളിലായി താപനില അളക്കാൻ തെർമ്മോമീറ്ററും (thermometer) മർദം അളക്കാൻ ബാരോമീറ്ററും (barometer) കാറ്റിന്റെ വേഗത നിർണ്ണയിക്കാൻ അനിമോമീറ്ററും (anemometer) ഈർപ്പത്തിന്റെ അളവ് കണക്കാക്കാൻ ഹൈഗ്രോമീറ്ററും (hygrometer) കണ്ടുപിടിക്കപ്പെട്ടതോടെ ചിലയിടങ്ങളിൽ, വിശേഷിച്ചും പാശ്ചാത്യ രാജ്യങ്ങളിൽ, നിരീക്ഷണ ക്യാമ്പയിനുകൾ (obser- vational campaigns) നടന്നുവന്നു. പിന്നീട്, 1830-കളിൽ ടെലിഗ്രാഫിന്റെ കണ്ടുപിടിത്തത്തോടെ ദൂരെസ്ഥലങ്ങളിൽനിന്നുള്ള ഡാറ്റ വളരെ പെട്ടെന്നുതന്നെ ശേഖരിക്കാം എന്നായി. ഇങ്ങനെ, കുറെ സ്ഥലങ്ങളിൽനിന്ന് ലഭിക്കുന്ന ഡാറ്റ, മാപ്പുകളിൽ അടയാളപ്പെടുത്തി വെതർ മാപ്പുകൾ (weather maps) നിർമ്മിച്ചു. വലിയൊരു പ്രദേശത്തെ അന്തരീക്ഷ സവിശേഷതകൾ ഇത്തരം മാപ്പുകളിൽ നിന്ന് എളുപ്പം മനസ്സിലാക്കുവാൻ സാധിക്കുമായിരുന്നു. പതുക്കെ, മഴയ്ക്ക് കാരണമാകുന്നതും ചുഴലിക്കാറ്റുകളുടെ സാന്നിധ്യം കാണിക്കുന്നതുമായ പ്രത്യേകമായ പാറ്റേണുകൾ (weather patterns) വെതർ മാപ്പുകൾ വിശകലനം ചെയ്ത് മനസ്സിലാക്കാമെന്ന സ്ഥിതിയായി. കൂടാതെ, ഏതാനും ദിവസത്തെ മാപ്പുകൾ പരിശോധിച്ചാൽ പല വെതർ പാറ്റേണുകളുടെയും സഞ്ചാരം (movement) ഏറെക്കുറെ കൃത്യമായി മനസ്സിലാക്കാമായിരുന്നു. 1850 നുശേഷം യു.കെ.യിലും അമേരിക്കയിലും ഇത്തരം വെതർ മാപ്പുകൾ ഉപയോഗപ്പെടുത്തിയുള്ള പ്രവചനങ്ങൾ തുടങ്ങിയിരുന്നു. ഏതാനും വർഷങ്ങൾക്കുശേഷം 1875-ൽ ഇന്ത്യൻ കാലാവസ്ഥാ നിരീക്ഷണകേന്ദ്രം (India Meteorological De- partment – IMD) നിലവിൽ വരുകയും പിന്നീട് രാജ്യത്തിന്റെ പല ഭാഗത്തും നിരീക്ഷണസംവിധാനങ്ങൾ ആരംഭിക്കുകയും ചെയ്തു (upper-air observations). ഏതാനും വർഷങ്ങൾക്കുശേഷം അന്തരീക്ഷത്തിന്റെ മുകൾഭാഗത്തുനിന്നുള്ള ഡാറ്റ ലഭിക്കുന്നതിനായി ബലൂൺ ഉപയോഗിച്ചുള്ള നിരീക്ഷണങ്ങളും തുടങ്ങിവന്നു. താപനില, ആദ്രത, മർദം എന്നിങ്ങനെ പല പാരാമീറ്ററുകളും അളക്കുന്നതിനുള്ള ഒരു സെൻസർ, ഹൈഡ്രജൻ അല്ലെങ്കിൽ ഹീലിയം വാതകം നിറച്ച വലിയ ബലൂണുകളോട് ബന്ധിച്ച് മുകളിലേക്ക് പറത്തിവിടുന്നു. ഏകദേശം 15-20 km ഉയരത്തിൽവരെ പോകുന്ന ഈ ബലൂണുകളിൽ ഘടിപ്പിച്ച ഒരു ട്രാൻസ്മിറ്റർവഴി റേഡിയോ സന്ദേശങ്ങളായി ഡാറ്റ താഴെയുള്ള സ്റ്റേഷനിലേക്ക് അയക്കുവാൻ കഴിയും. ഈ ഉപകരണമാണ് റേഡിയോസോണ്ട (radiosonde). ഇത്തരം നിരീക്ഷണങ്ങൾ പ്രവചനത്തിൽ വലിയ പുരോഗതിയുണ്ടാക്കി.

മാപ്പുകൾ അടിസ്ഥാനത്തിലുള്ള പ്രവചനങ്ങൾ പുരോഗമിക്കുന്നുണ്ടായെങ്കിലും 1904-ൽ വില്യം ബിയേക്നെസ് (Vilhelm Bjerknes) എന്ന ഒരു നോർവീജിയൻ ശാസ്ത്രജ്ഞൻ മറ്റൊരു ആശയം അവതരിപ്പിച്ചു. അന്തരീക്ഷസ്ഥിതിയെ നിയന്ത്രിക്കുന്ന ഭൗതിക നിയമങ്ങളെ മനസ്സിലാക്കി അതിനുവേണ്ട ഗണിത സമവാക്യങ്ങൾ (govern- ing equations) നിർധാരണം ചെയ്‌ത് പ്രവചനം സാധ്യമാക്കാം എന്ന് ആദ്യമായി അഭിപ്രായപ്പെട്ടത് അദ്ദേഹമാണ്. ഇത്തരം ഒരു പ്രവചനം നടത്തുന്നതിന് ആവശ്യമായ ഗണിത സമവാക്യങ്ങളുടെ ഒരു ചട്ടക്കൂടും (mathematical framework) അദ്ദേഹം നിർദേശിച്ചിരുന്നു.

ഏതാനും വർഷങ്ങൾക്കുശേഷം, 1922-ൽ ഇംഗ്ലീഷ് ശാസ്ത്രജ്ഞനായ ലൂയിസ് റിച്ചാർഡ്സൺ (Lewis Richardson) ആണ് ആദ്യമായി ഇത്തരത്തിലൊരു പ്രവചനത്തിന് പ്രായോഗിക സംവിധാനം ചിട്ടപ്പെടുത്തിയത്. ഏറെ പ്രതീക്ഷയോടെ റിച്ചാർഡ്സൺ നടത്തിയ പ്രവചനം നിർഭാഗ്യവശാൽ പാളിപ്പോയി. യാഥാർഥ്യവുമായി ഒരുതരത്തിലും പൊരുത്തപ്പെടാത്ത റിസൾട്ടുകളാണ് അദ്ദേഹത്തിന് ലഭിച്ചത്. പ്രവചനത്തിനായി ഉപയോഗിച്ച ഡാറ്റയിലെ പിശകായിരിക്കും തെറ്റായ ഫോർകാസ്റ്റിൽ കലാശിച്ചതെന്ന് റിച്ചാർഡ്‌സൺ കരുതി. അക്കാലത്ത് കമ്പ്യൂട്ടർ നിലവിൽ വന്നിട്ടില്ലാത്തതിനാൽ ഏറെ സമയമെടുത്താണ് അദ്ദേഹം പ്രവചനത്തിനുവേണ്ട കണക്കുകൂട്ടലുകളെല്ലാം ചെയ്തത്. പിന്നീട്, 1950-ൽ ജോൺ ന്യൂമാൻ (John von Newmann), ജൂലി ചാർണി (Jule Charney), റാനർ ഫോർതോഫ്ത് (Ragnar Fjortoft) എന്നിവർ ചേർന്ന് പ്രിൻസ്റ്റണിലെ, ഇൻസ്റ്റിറ്റ്യൂട്ട് ഫോർ അഡ്വാൻസ്‌ഡ് സ്റ്റഡീസിൽവെച്ച്, വളരെ ലളിതമായൊരു അന്തരീക്ഷ മാതൃക പിൻപറ്റി ആദ്യമായി അന്തരീക്ഷ പ്രവചനം (nu- merical weather forecast) സാധ്യമാക്കി. എനിയാക് (ENIAC – Electronic Numerical Integrator and Computer) എന്ന ആദ്യകാല കമ്പ്യൂട്ടറാണ് ഗണിത സമവാക്യങ്ങൾ നിർധാരണം ചെയ്യാൻ അവർ ഉപയോഗിച്ചത്. പിന്നീട്, മികച്ച കമ്പ്യൂട്ടറുകളുടെ വരവും കൃത്രിമോപ്രഗ്രഹങ്ങൾ ഉൾപ്പടെയുള്ള നിരീക്ഷണ സംവിധാനങ്ങളുടെ കണ്ടുപിടിത്തവുംവഴി ദ്രുതഗതിയിലായിരുന്നു പ്രവചന സംവിധാനങ്ങളുടെ വളർച്ച.

അന്തരീക്ഷത്തിന്റെ ഗണിത മാതൃക

ഭൂമിയുടെ അന്തരീക്ഷം എന്നത് ഒരു ദ്രാവകം (fluid) ആണല്ലോ. അതിനാൽ, ദ്രാവകങ്ങളുടെ ഗതിയെ നിയന്ത്രിക്കുന്ന ഭൗതിക നിയമങ്ങളെ തിരിച്ചറിഞ്ഞാൽ അവയുടെ സഹായത്തോടെ ഭൂമിയുടെ അന്തരീക്ഷത്തിലെ പല മാറ്റങ്ങളും പ്രവചിക്കുവാൻ കഴിയേണ്ടതാണല്ലോ. ഈയൊരു ആശയമാണ് നമ്മുടെ അന്തരീക്ഷത്തിന്റെ ഗണിത മാതൃക നിർമ്മിക്കുന്നതിന്റെ അടിസ്ഥാനം. വില്യം ബിയേക്നെസ് ആണ് 1904-ൽ അന്തരീക്ഷത്തിന്റെ ഒരു ഗണിത മാതൃകയ്ക്കായുള്ള സമവാക്യങ്ങൾ നിർദേശിക്കുന്നത്. അന്തരീക്ഷത്തിലെ മാറ്റങ്ങളെ നിയന്ത്രിക്കുന്ന നിയമങ്ങൾ ഉൾക്കൊള്ളുന്ന സമവാക്യങ്ങളായിരുന്നു അവ.

ന്യൂട്ടന്റെ രണ്ടാം ചലനനിയമം (Newton’s second law of motion), ഊർജ സംരക്ഷണ നിയമം (conservation of energy), മാസ്സിന്റെ സംരക്ഷണം (conservation of mass) എന്നീ തത്വങ്ങളെ അടിസ്ഥാനപ്പെടുത്തി വികസിപ്പിച്ചവയാണ് അന്തരീക്ഷസ്വഭാവം പ്രവചനത്തിന് ഉപയോഗിക്കുന്ന സമവാക്യങ്ങൾ. ഈ സമവാക്യങ്ങൾ എല്ലാംതന്നെ പാർഷ്യൽ ഡിഫറൻഷ്യൽ ഇക്വേഷൻസ് (partial differen- tial equations) എന്ന ഗണത്തിൽപ്പെടുന്ന, നേരായ വഴിക്ക് ഉത്തരം കണ്ടെത്താൻ കഴിയാത്ത തരത്തിലുള്ളവയാണ്. അതിനാൽ, ചില ആവർത്തിച്ചുള്ള കണക്കു കൂട്ടലുകൾവഴി (iterative methods), ഏകദേശ റിസൾട്ടുകൾ (approximate solutions) മാത്രമേ ഇവിടെ സാധ്യമാവൂ. ഒരു പ്രത്യേക സമയത്തെ താപനില, കാറ്റിന്റെ വേഗം, ഈർപ്പത്തിന്റെ അളവ് (humidity), മർദം (pressure) എന്നീ അളവുകൾ ഈ സമവാക്യങ്ങളിൽ ഇൻപുട്ടായി നൽകിയാൽ കുറച്ചു സമയത്തിനുശേഷം ഈ അളവുകളിൽ വരുന്ന മാറ്റം കണ്ടുപിടിക്കാം. അതുവഴി ആ സമയത്തെ അന്തരീക്ഷസ്ഥിതി പ്രവചിക്കാം. ഇതാണ് ഒരു മോഡൽ പ്രവർത്തനത്തിന്റെ ഏകദേശ രൂപം.

പ്രവചനത്തിന് ഉപയോഗിക്കുന്ന മോഡലുകളിൽ ഭൂമിയുടെ അന്തരീക്ഷത്തെ ഭൂനിലം മുതൽ മുകളിലേക്ക് ഏതാണ്ട് 25-30 km വരെയുള്ള ഭാഗം കുറെ ചെറിയ ത്രിമാന അറകളായി (3D boxes/ grid cells) തിരിയ്ക്കും. ഭൂമിയുടെ മേൽഭാഗം കടലും മലയും ഗർത്തവും എല്ലാം നിറഞ്ഞതാണ്. അതാത് സ്ഥലത്തെ ഭൂപ്രകൃതി മോഡലിൽ കൃത്യമായി ഉൾക്കൊള്ളിക്കേണ്ടത് അത്യാവശ്യമാണ്. പ്രാദേശികമായ സവിശേഷതകൾ മോഡലിൽ ഉൾപ്പെടുത്തണമെങ്കിൽ അറകൾ അത്രകണ്ട് ചെറുതാവണം. അറകൾ തമ്മിലുള്ള അകലം കുറയുന്നതനുസരിച്ച്, വളരെ പ്രാധാന്യമുള്ള പല വിവരങ്ങളും മോഡലിൽ ഉൾപ്പെടുത്താൻ സാധിക്കുന്നു. അതുപോലെതന്നെ, മുകളിലേക്കുള്ള ഭാഗം കുറെ പാളികളായി തിരിക്കുന്നു. മേഘങ്ങളുടെ രൂപവൽക്കരണവും ഊർജകൈമാറ്റവുമെല്ലാം നല്ല രീതിയിൽ മോഡലിൽ ഉൾക്കൊള്ളിക്കുന്നതിന് മുകൾഭാഗത്തുള്ള ഗ്രിഡുകൾ തമ്മിൽ അധികം അകലം പരമാവധി കുറഞ്ഞിരിക്കണം. 80-100 വെർട്ടിക്കൽ ഗ്രിഡുകൾ (vertical grids) ആണ് ഇന്നുള്ള മോഡലിൽ സാധാരണ കാണുന്നത്. ഇങ്ങനെ, ആകെ നോക്കുമ്പോൾ ഒരു മോഡലിൽ കോടിക്കണക്കിന് ഗ്രിഡ് പോയിന്റുകൾ ഉണ്ടാകും. ഇത്തരം കണക്കുകൂട്ടലുകളെല്ലാം ചെയ്യാൻ പാകത്തിന് തയ്യാറാക്കിയ ഒരു ഭീമൻ കമ്പ്യൂട്ടർ പ്രോഗ്രാമാണ് ഓരോ മോഡലും. ഇത്തരത്തിൽ വികസിപ്പിച്ചെടുക്കുന്ന കമ്പ്യൂട്ടർ പ്രോഗ്രാമുകൾക്ക് ലക്ഷക്കണക്കിനോ കോടിക്കണക്കിനോ വരികൾ വലുപ്പമുണ്ടാകും കുറെ മനുഷ്യരുടെ അധ്വാനമാണിത്. മറ്റൊന്ന്, ഇത്രയും ഭീമമായ മോഡൽ ഒരു സാധാരണ കമ്പ്യൂട്ടർ ഉപയോഗിച്ച് പ്രവർത്തിപ്പിക്കാനും കഴിയില്ല. വളരെ വേഗമേറിയ സൂപ്പർ കമ്പ്യൂട്ടറുകളാണ് ഇതിനായി ഉപയോഗിക്കുന്നത്.

പ്രവചനത്തിനുള്ള ഡാറ്റ

അന്തരീക്ഷത്തിന്റെ സ്വഭാവം പ്രവചിക്കുന്നതിന് വളരെ പ്രധാനപ്പെട്ടതാണ് ഇൻപുട്ട് ഡാറ്റ. ഒരു മോഡലിൽ കോടിക്കണക്കിന് ഗ്രിഡ് പോയന്റുകൾ ഉണ്ടാകും എന്ന് സൂചിപ്പിച്ചുവല്ലോ. ഇങ്ങനെ ഒരു മോഡൽ ഉപയോഗിച്ച് പ്രവചനം നടത്തുവാൻ ആദ്യം എല്ലാ ഗ്രിഡ് പോയിന്റിലും ഇൻ പുട്ട് ഡാറ്റ നൽകണം. അതായത്, ഇന്ന് രാവിലെ 10 മണിക്ക് പ്രവചനം ആരംഭിക്കുന്നു എന്ന് കരുതുക. നാളെ രാവിലെ 10 മണി വരെയുള്ള 24 മണിക്കൂർ വരെയുള്ള സമയത്തേക്കാണ് പ്രവചനം. ഇതിന് ആദ്യം വേണ്ടത്, പ്രവചനം തുടങ്ങുന്ന സമയത്തെ എല്ലാ ഗ്രിഡ്പോയിന്റിലെയും കൃത്യമായ ഡാറ്റയാണ് (താപനില, മർദം, കാറ്റ്, ആർദ്രത). ഈ ഡാറ്റ ഇൻപുട്ട് ആയി നൽകി, എല്ലാ ഗ്രിഡ് പോയിന്റിലും മോഡൽ സമവാക്യങ്ങൾ ഉപയോഗിച്ച് കണക്കുകൂട്ടലുകൾ നടത്തി 24 മണിക്കൂറിലുള്ള മാറ്റം കണ്ടുപിടിക്കുകയാണ് മോഡലിന്റെ ജോലി.

പ്രവചനത്തിന്റെ കൃത്യത ഒരു പരിധിവരെ ഇൻപുട്ട് ഡാറ്റയുടെ കൃത്യതയെ ആശ്രയിച്ചിരിക്കുന്നു. എന്നുപറഞ്ഞാൽ, എത്ര നന്നായി അന്തരീക്ഷത്തിലെ കാറ്റ്, മർദം, താപനില, ജലാംശം എന്നീ പാരാമീറ്ററുകൾ അളക്കുവാൻ സാധിക്കുന്നുവോ (observations), അത്രയും നന്നായി പ്രവചനവും നടത്താം.

ലോകത്ത് പല ഭാഗത്തുനിന്നും നിരീക്ഷണങ്ങൾ എടുക്കുന്നുണ്ടെങ്കിലും ഒരു മോഡലിനുവേണ്ട അളവിൽ നമുക്ക് ഇനിയും നിരീക്ഷണങ്ങൾ ലഭ്യമല്ല. 100-200 km ഇടവിട്ടായിരിക്കും ചിലപ്പോൾ നിരീക്ഷണ സംവിധാനങ്ങൾ ഉള്ളത്. കൂടാതെ, വിശാലമായ സമുദ്രത്തിന് മുകളിൽ കാര്യമായ നിരീക്ഷണങ്ങൾ ഒന്നും ലഭ്യമല്ല. അവിടെയാണ് കൃത്രിമോപഗ്രഹങ്ങളുടെ പ്രസക്തി. 1960 മുതൽ പല വിധ സാറ്റലൈറ്റുകൾ ഉപയോഗിച്ച് അന്തരീക്ഷത്തിലെ താപനില, ആർദ്രത, കാറ്റിന്റെ ഘടന എന്നിങ്ങനെ പല വിവരങ്ങളും നാം ശേഖരിക്കുന്നു. ഇങ്ങനെ പലവഴി ശേഖരിക്കുന്ന നിരീക്ഷണങ്ങൾ “ഡാറ്റ അസിമിലേഷൻ‘ (data assimilation) എന്നൊരു സംവിധാനം വഴി പ്രവചന മോഡലിന് വേണ്ട ഇൻപുട്ട് ഡാറ്റ തയ്യാറാക്കുന്നു.

പലതരം നിരീക്ഷണ സംവിധാനങ്ങൾ (Source: World Meteorological Organization)

ഇന്ന്, ഇന്ത്യയിലുൾപ്പടെ ലോകത്തിന്റെ എല്ലാ ഭാഗത്തും ഇത്തരം മോഡലുകൾ ഉപയോഗിച്ചുള്ള പ്രവചനങ്ങളാണ് ഉപയോഗിച്ചുവരുന്നത്. 1969-ൽ നമ്മുടെ കാലാവസ്ഥാ നിരീക്ഷണ കേന്ദ്രത്തിൽ ഇത്തരം ഗവേഷണങ്ങൾക്ക് തുടക്കംകുറിച്ചു. 1988-ൽ മോഡലുകൾ ഉപയോഗിച്ചുള്ള പ്രവചനങ്ങൾക്കായി നാഷണൽ മീഡിയം റേഞ്ച് വെതർ ഫോർകാസ്റ്റിങ് (National Centre for Medium range Weather Forecasting – NCMRWF) സ്ഥാപനം നോയിഡയിൽ ആരംഭിച്ചു. ഒരു വർഷത്തിനകംതന്നെ ആദ്യത്തെ സൂപ്പർ കമ്പ്യൂട്ടറും എത്തി.

ആദ്യകാലങ്ങളിൽ മോഡലുകൾ ഉപയോഗിച്ചുള്ള പ്രവചനങ്ങളുടെ മികവ് വളരെ കുറവായിരുന്നു. എന്നാൽ, പതുക്കെ നിരന്തരമായ ഗവേഷണങ്ങളുടെ ഫലമായി വളരെ മികച്ച മോഡലുകൾ വികസിപ്പിക്കുയും സാറ്റലൈറ്റ്, റഡാർ എന്നിങ്ങനെയുള്ള നിരീക്ഷണോപാധികളുടെ വരവോടെ കൂടുതൽ ഡാറ്റ ലഭ്യമാവുകയും ചെയ്തതോടെ മോഡലുകൾ ഉപയോഗിച്ചുള്ള പ്രവചനം കൂടുതൽ മെച്ചപ്പെട്ടു. ഇന്ത്യയിൽ ഇന്ന്, വളരെ മികച്ച സൂപ്പർ കമ്പ്യൂട്ടറുകളും പല വിധ പ്രവചനങ്ങൾക്കായി നാലിൽ അധികം മോഡലുകളും ഉപയോഗിക്കുന്നുണ്ട്.

കഴിഞ്ഞ കുറച്ചു വർഷങ്ങളിലായി നമ്മുടെ പ്രവചനങ്ങൾ വളരെയധികം മെച്ചപ്പെട്ടിട്ടുണ്ട്, വിശേഷിച്ചും ചുഴലിക്കാറ്റുകളുടെ ദിശ പ്രവചിക്കുന്നതിൽ കാര്യമായ പുരോഗതി വന്നിട്ടുണ്ട്. മെഷീൻ ലേണിങ് (machine learning) പോലെയുള്ള രീതികളും മറ്റും ഉൾച്ചേർത്തുകൊണ്ട് മോഡലുകൾ മെച്ചപ്പെടുത്തുന്ന ഗവേഷണങ്ങൾ നടന്നുവരുന്നുണ്ട്. അതിനാൽത്തന്നെ, വരുംവർഷങ്ങളിൽ കൂടുതൽ മികച്ച പ്രവചനങ്ങൾ സാധ്യമാവും.