ලංකාවේ කාලගුණ අනාවැකි සහ අභියෝග

අභ්‍යන්තරයේ සංකීර්ණ භූ විෂමතාවයන් වැනි හේතු නිසා ලංකාවෙ කාලගුණ අනාවැකි කියන එක ඉතාමත් අභියෝගාත්මක කාර්යයක් බව කියන්න ඕනේ.

ශ්‍රී ලංකාවේ අප අතර කාලගුණය ගැන ප්‍රසිද්ධ විහිළුවක් තියෙනවා: "කාලගුණ විද්‍යා දෙපාර්තමේන්තුව අද ඉර පායනවා කිව්වොත් අනිවාර්යයෙන්ම කුඩයක් අරන් යන්න. වැස්ස කිව්වොත් කාර් එක හෝදන්න." කියලා.

කාලයක් තිස්සේ අපි මේක විහිළුවක් විදිහට දැක්කට, ඇත්තටම 2025 වසර වෙද්දී මේ තත්වය නොසලකා හැරීමක් හා සමානයි. ලෝකය AI තාක්ෂණය භාවිතා කරමින් පරමාණුක මට්ටමේ සිට විශ්වය දක්වා දේවල් Simulate කරද්දී, ගම්පහට හෝ රත්නපුරයට තව පැය තුනකින් වැස්සක් එනවාද කියන එක හරියටම කියන්න අපේ රටට තාමත් තරමක් අමාරුයි.

නගරයේ කෙනෙක්ට මේක කුඩේ අමතක වීමක් වුනාට, ගොවියෙක්ට, ධීවරයෙක්ට හෝ නායයෑම් අවදානම් කලාපවල ඉන්න පවුලකට වැරදි අනාවැකියක් කියන්නේ ආර්ථික බිඳවැටීමක්, එහෙමත් නැත්නම් මරණය පවා වෙන්න පුළුවන්.

ඇයි අපිට තාමත් මේක හරියට කරගන්න බැරි? මේකට ලේසිම උත්තරේ "නිලධාරීන්ගේ නොහැකියාව" කියලා හිතන එක වුනත්, ඇත්තම හේතුව ඊට වඩා බරපතලයි. ඒ තමයි දැවැන්ත "Technology Deficit" එකක් එහෙම නැති නම් තාක්ෂණික ඌනතාවයක් පැවතීම.

අනාවැකි කියන කොඳු නාරටිය: 21 වන සියවසේ ප්‍රශ්නවලට 20 වන සියවසේ විසඳුම්

නවීන කාලගුණ අනාවැකි රඳා පවතින්නේ Numerical Weather Prediction (NWP) කියන ක්‍රමවේදය මත. මේකෙන් කරන්නේ Supercomputers භාවිතා කරලා වායුගෝලයේ හැසිරීම ගණිතමය වශයෙන් විසඳන එකයි. නමුත් මෙතනදී ලංකාවට මූලික ගැටළු දෙකක් මතු වෙනවා.

• Resolution:යුරෝපීය මොඩල (ECMWF) වල පෘථිවිය බෙදා ඇති කොටු දැලේ (නැති නම් grid එකේ) ප්‍රමාණය කිලෝමීටර් 11ක් (හෝ 9km) පමණ වෙනවා. ලංකාව සතුව මෙම 11km දත්ත (High Resolution Data) භාවිත කිරීමේ හැකියාව පැවතියත්, ලංකාව වගේ පුංචි රටක කිලෝමීටර් 11 අතර කොටුවක් ඇතුලේ වුවද මුහුදු වෙරළක්, කැලෑවක් සහ කඳු වැටියක් වගේ දේවල් එකට තියෙන්න පුළුවන්. මෙය සංකීර්ණ තත්වයකි.
• The Parameterization Trap:Grid cells ඇතුලේ සිද්ධ වෙන කුඩා කුණාටු මේ සිස්ටම් එකට පේන්නේ නෑ. ඒ නිසා සිස්ටම් එක කරන්නේ "අනුමාන කිරීමක්" (නැතිනම් Guesswork එකක්). ලංකාව පිහිටලා තියෙන්නේ Intertropical Convergence Zone (ITCZ) එකේ නිසා, පොඩි වෙනස්කමකින් ලොකු කාලගුණ විපර්යාසයක් ඇති වෙන්න පුළුවන්. අඩු Resolution එක සහ මේ නිවර්තන කලාපීය අස්ථාවරත්වය එකතු වුනාම අනාවැකි වරදින සම්භාවිතාව ගොඩක් වැඩි වෙනවා.

දෘඩාංග අර්බුදය

ලෝකයේ හොඳම අනාවැකි මොඩලවලට වුනත් වැඩ කරන්න නම් නිවැරදි, සජීවී දත්ත (Real-time data) ඕන කරනවා. මේ සම්බන්ධව ලංකාවේ තත්ත්වයේ ගැටළු කිහිපයක් තියෙනවා:

Radar:

පැය 0-6 අතර කාලගුණය (Short-range/Nowcasting) හරියටම කියන්න Doppler Weather Radars අත්‍යවශ්‍යයි. අපිට රටම ආවරණය කරන්න අවම වශයෙන් රේඩාර් 2ක් වත් තිබීම අනිවාර්යයි.

සතුටුදායක පුවත නම්, පුත්තලම ප්‍රදේශයේ ඉදිවන නව ඩොප්ලර් රේඩාර් ව්‍යාපෘතිය ජපාන ආධාර (JICA) ඇතිව ඉදිවෙමින් පැවතීමයි. මේ වසරේදී ආරක්ෂක ලේකම්වරයා පවා මෙම වැඩබිම නිරීක්ෂණය කළ අතර 2026/2027 වන විට මෙය ජනතා අයිතියට පත්වනු ඇතැයි අපේක්ෂිතයි.

නමුත් ගැටළුව: රටක් ආවරණය කිරීමට එක් රේඩාර් යන්ත්‍රයක් ප්‍රමාණවත් නැහැ. සුළි කුණාටු බහුලව එන නැගෙනහිර වෙරළ තීරය (පොතුවිල් වැනි ප්‍රදේශ) තවමත් රේඩාර් ආවරණයෙන් ගිලිහිලා.

ස්වයංක්‍රීය කාලගුණ මධ්‍යස්ථාන (AWS):

අපිට වැසි මාපක තිබුනත්, විශ්වාසවන්තව ස්වයංක්‍රීයව දත්ත එවන්නේ සීමිත ප්‍රමාණයක් පමණයි. ඉතිරි ඒවා තාමත් මිනිස් අතින් මනින ඒවා (Manual readings). හදිසි ගංවතුරක් එද්දී Manual readings කරලා  දත්ත එවනකොට ප්‍රමාද වැඩි වෙන්නත් ඉඩ තියෙනවා. ගංවතුරක් වැනි අවස්ථාවක තීරණ ගැනීමට මෙම වේගය අතිශය තීරණාත්මකයි.

අපි දැනටමත් AI පාවිච්චි කරනවා නම්, තාමත් අනාවැකි වරදින්නේ ඇයි?

බොහෝ දෙනෙක් නොදන්නවා වුනාට, ශ්‍රී ලංකාව දැනටමත් Google, ECMWF, FUXI වැනි AI model සහ ඒවායේ ගණනය කිරීම් භාවිතා කරනවා. එසේ නම් ගැටළුව කොතනද?

Data Density එක සහ Speed එක

AI model එකක් වැඩ කරන්න නම් ඒකට නිවැරදි ආරම්භක දත්ත (initial conditions) දෙන්න ඕන. AI මොඩලයක් සාර්ථක වීමට නම් ඊට ලබා දෙන දත්ත Steady and dense, එහෙමත් නැතිනම් අඛණ්ඩව සහ ඉහළ ඝනත්වයකින් ලැබිය යුතුයි. ලංකාවෙන් දත්ත ලබා දීමේදී යම් ප්‍රමාදයන් සහ හිඩැස් පැවතීම මේ මොඩලවල නිවැරදිතාවයට බලපෑම් එල්ල කරන්න පුළුවන්.

Geographical Bias 

මේ AI මොඩල බොහෝ විට පුහුණු කරලා තියෙන්නේ යුරෝපයේ සහ ඇමරිකාවේ දත්තවලින්. ඒවා අපේ නිවර්තන කලාපීය රටාවන්ට (monsoon dynamics) සහ අපේ සංකීර්ණ භූගෝලීය පිහිටීමට 100%ක්ම ගැලපෙන්නේ නැති අවස්ථා තියෙන්න පුළුවන්.

Nowcasting පරතරය 

හදිසි ගංවතුරක් ගැන කියන්න AI වලට වඩා රේඩාර් සහ Ground sensors හරහා ලැබෙන ක්ෂණික දත්ත ඕන වෙනවා.

බලාපොරොත්තුවේ පළමු පියවර: Radiosonde ව්‍යාපෘතිය

අන්න ඒ දත්තවල හිඩැස් (Data Gaps) පිරවීමට කාලගුණ විද්‍යා දෙපාර්තමේන්තුව පසුගියදා ඉතාමත් වැදගත් පියවරක් ගත්තා. ඒ තමයි Radiosonde (රේඩියෝ සොන්ඩ්) නිරීක්ෂණ වාර ගණන වැඩි කිරීම.

Radiosonde කියන්නේ හයිඩ්‍රජන් පිරවූ බැලුමක එල්ලා අහසට යවන කුඩා උපකරණයක්. මෙය පොළොවේ සිට කිලෝමීටර් 15-20ක් ඉහළට යමින් පීඩනය, ආර්ද්‍රතාවය සහ සුළං දත්ත ලබා දෙනවා. මීට පෙර මෙය කළේ සතියට දින 3යි. දැන් එය දිනපතාම උදේ සහ හවස (සතියට වාර 14ක්) සිදු කරනවා.

මේ දත්ත කෙලින්ම යන්නේ ලෝක කාලගුණ විද්‍යා සංවිධානයේ (WMO) ප්‍රධාන දත්ත ගබඩාවට. ඒ කියන්නේ අර කලින් කිව්ව Google, ECMWF වැනි ලෝකේ තියෙන ලොකුම AI සහ පරිගණක models වලට දැන් ලංකාව ගැන ලැබෙන දත්තවල ගුණාත්මක භාවය වැඩි වෙනවා. මේ නිවැරදි දත්ත වල ප්‍රතිපල විදිහට අපේ ෆෝන් එකට එන වඩාත් නිවැරදි අනාවැකි ලැබෙනවා.

අපිට තව මොනවද කරන්න පුළුවන්? 

Radiosonde කියන්නේ හොඳ ආරම්භයක්. නමුත් අපිට සුපිරි පරිගණක එක්ක දත්ත සකසන්න රටක් විදිහට මුල්‍යමය ගැටළු තියෙනවා , හැබැයි අපේ බුද්ධිය පාවිච්චි කරලා කරන්න පුළුවන් දේවල් තව කිහිපයක් තියෙනවා.මේ ක්‍රමවේද දැනටමත් බොහෝමයක් රටවල් වල භාවිත වෙනවා:

1. Local AI Correction Layer එකක්: Global prediction එහෙම පිටින්ම විශ්වාස කරන්නේ නැතුව, ලංකාවේ දත්ත සහ අපේ කඳු පන්ති, ගංගා ද්‍රෝණි අනුව එම අනාවැකි Fine-tune කරන්න පුළුවන් අපේ රටේ AI පද්ධතියක් හදන එක.
2. Crowdsourcing හා බැඳෙන smartphone ජාලයක්: මේක ඉතාම ප්‍රායෝගික විසඳුමක්. අද තියෙන හුඟක් ස්මාර්ට් ෆෝන් වල Barometers (පීඩන මාපක) සහ GPS තියෙනවා. මිලියන 5ක විතර ෆෝන්වලින් නම රහිතව, anonymized ලෙස මේ දත්ත ලබාගත්තොත්, ලංකාව පුරාම විහිදුණු දැවැන්තම කාලගුණ දත්ත ජාලය සතයක්වත් වියදම් නොකර හදාගන්න පුළුවන්. මේක කරන්න මූලික පිරිවැයක් යනවා, නමුත් දීර්ඝ කාලීනව ඉතාම වටිනා ක්‍රමෝපායක් බවට මෙය පත් වෙන්න ඉඩ තියෙනවා.
3. IoT Mesh Network: එක රේඩාර් එකකට කෝටි ගණන් වියදම් කරනවා වෙනුවට, සූර්ය බලයෙන් ක්‍රියා කරන කුඩා, අඩු වියදම් කාලගුණ මධ්‍යස්ථාන 5,000ක් විතර රට පුරා හයි කරලා, ඒවා එකිනෙකට Mesh network එකක් විදිහට සම්බන්ධ කිරීමත් හොඳ විසඳුමක්. ඉන්දියාව සහ බ්‍රසීලය මේ ක්‍රමය සාර්ථකව අත්හදා බලලත් තියෙනවා.
4. Open Data Policy (විවෘත දත්ත ප්‍රතිපත්තියක්): කාලගුණ දත්ත කියන්නේ ජාතික සම්පතක්. මේවා කාලගුණ විද්‍යා දෙපාර්තමේන්තුවේ සිරවී නොතිබිය යුතුයි. පර්යේෂකයින්ට සහ App Developers ලට මේ දත්ත පහසුවෙන් ලබා ගැනීමට හැකි නම් (API හරහා), රජයට කරන්න බැරි නව නිර්මාණ ඔවුන් සිදු කරාවි.
5. නඩත්තුව සහ ආයතනික ගැටළු කළමනා කරණය කිරීම: අලුත් රේඩාර් ගෙනාවත් ඒවා දිගටම නඩත්තු කිරීමේ අභියෝගයක් අපිට තියෙනවා. ගොංගල රේඩාර් ව්‍යාපෘතියෙන් අපි ඉගෙන ගත් පාඩම එයයි. තාක්ෂණය වගේම නිවැරදි කළමනාකරණයත් අත්‍යවශ්‍යයි.
6. ජනතාව දැනුවත් කිරීම: අනාවැකියකින් කියන "70% Chance of Rain" කියන්නේ මොකක්ද කියලා අපි හරියටම දැනගන්න ඕන. ඒ වගේම අනතුරු ඇඟවීම් විශ්වාස කරන්න ජනතාව හුරු කරවීමත් තාක්ෂණය තරම්ම වැදගත්.

කාලගුණ හා දේශගුණ විපර්යාස පිලිබඳ මූලාශ්‍ර

Water Level & Rainfall Situation in Major Rivers

Responsive Admin & Dashboard Template based on Bootstrap 5

WLRSAdminKit

Professional weather forecast

50+ weather layers, weather radar and satellite

Windy.com/Windyty, SE

Sign in - Google Accounts

Google Accounts

ArcGIS Dashboards

ArcGIS Dashboards

Radiosonde ව්‍යාපෘතිය හරහා අපි හරි පාරට වැටිලා තියෙනවා. ඒ වගේම ඉදිවෙන ඩොප්ලර් කාලගුණ රේඩාර් ව්‍යාපෘති වැනි දේවල් හරහා දත්තවල ගුණාත්මකභාවය පිළිබඳ ප්‍රශ්නය යම් තාක් දුරකට විසඳේවි. නමුත් සැබෑ වෙනසක් දකින්න නම් අපි නව තාක්ෂණයට බිය නොවී, IoT සහ ස්මාර්ට් ෆෝන් දත්ත වැනි නවීන විසඳුම් වෙතද යා යුතු බවයි අපේ අදහස.

එතකන්, හෙට දවසේ අනාවැකිය බලද්දී මතක තියාගන්න: අපි තාම ඉන්නේ සංක්‍රාන්ති සමයක.

ඒ නිසා, දැනටමත් කුඩේ ළඟ තියාගන්න එක නුවණට හුරුයි.

විශේෂ ස්තූතිය : කාලගුණ විද්‍යාඥ මලිත් ෆර්නැන්ඩො