Horus: Revolucionarni fazni meteo-radar

Zamislite da pokušavate fotografirati pokretni objekt fotoaparatom koristeći dugu ekspoziciju – dobit ćete mutnu sliku koja jedva naznačuje što se zapravo događa. Upravo taj problem desetljećima muči meteorologe koji pokušavaju pratiti brzo razvijajuće konvektivne oluje, posebice tornada. No novi meteorološki radar razvijen na Sveučilištu u Oklahomi mogao bi to zauvijek promijeniti.

Ograničenja postojeće mreže

Američka mreža Weather Surveillance Radar-1988 Doppler (WSR-88D), poznata i kao NEXRAD, predstavlja okosnicu operativnog meteorološkog radarskog motrenja već više od tri desetljeća. Unatoč neospornoj vrijednosti podataka koje pruža, njezin temeljni dizajn – mehanički rotirajuća antena s jednim snopom – inherentno ograničava vremensku rezoluciju. Kompletno volumno skeniranje tipično traje 4-5 minuta, što je predugo za praćenje brzih promjena u tornadu ili razvojnih faza superćelijske oluje. Slična je situacija s našim radarima u Metmonic projektu, osvježavanje slike je svakih 5 minuta, ali veći problem od toga je što kompletan sken nije dobiven trenutačno, već postupno tijekom tih 5 minuta, što znači da sama slika nije “zamrznut trenutak” već nešto poput “razmazane fotografije” zbog preduge ekspozicije.

Kako ističu Zrnić i suradnici (2007), potreba za agilnijim sustavima prepoznata je još prije dva desetljeća. Radari s faznim nizovima (engl. phased array radars, PAR) nude rješenje elektroničkim upravljanjem snopa zračenja. Pritom se zakretanje snopa zračanja postiže faznim pomakom između pojedinih elemenata antenskog niza (matrice), a bez mehaničkog pomicanja antene. No, iako je to u načelu već dugo poznata teorija, tek potpuno digitalna arhitektura oslobađa puni potencijal ove moderne tehnologije, inače već prikazane i u filmu Twisters (2024).

Što Horus čini posebnim?

Horus je potpuno digitalni S-band polarimetrijski radar s faznim nizom razvijen u Advanced Radar Research Center (ARRC) Sveučilišta u Oklahomi. Ključna razlika u odnosu na prethodne PAR sustave leži u digitalizaciji signala na razini svakog pojedinačnog antenskog elementa, za obje polarizacijske komponente (Palmer i sur., 2023).

Ova arhitektura omogućuje ono što autori nazivaju “softverski definiranim radarom” – sustav čije se karakteristike mogu fleksibilno mijenjati kroz programsku podršku, bez hardverskih modifikacija. U praksi to znači mogućnost implementacije naprednih tehnika oblikovanja snopa koje su nedostižne konvencionalnim ili djelomično digitalnim sustavima.

Napredni načini skeniranja

Članak objavljen u Bulletin of the American Meteorological Society (Schvartzman i sur., 2026) detaljno opisuje tri ključna napredna načina rada:

1. Jednodimenzionalno proširenje snopa (1D spoiling) – Odašiljački snop se elektronički širi u elevacijskom smjeru (po vertikali) dok se antena mehanički rotira u azimutu. Time se postiže brzo uzorkovanje vertikalnog profila atmosfere, s tipičnim vremenima ažuriranja volumena od 10-30 sekundi za punu rotaciju od 360°.

2. Dvodimenzionalno proširenje snopa (2D spoiling) – Snop se elektronički širi i u azimutu i u elevaciji, pokrivajući široki atmosferski sektor jednim skenom. Digitalno oblikovanje prijamnih snopova zatim omogućuje istovremeno prikupljanje podataka iz više smjerova. Ovim načinom Horus može ažurirati sektor od 60° × 30° u svega 3,52 sekunde.

3. Višestruki simultani odašiljački snopovi – Sustav generira više uskih snopova koji se istovremeno odašilju u različitim smjerovima, poboljšavajući vremensku rezoluciju uz održavanje osjetljivosti i kvalitete polarimetrijskih mjerenja.

Svaki od ovih načina ima svoje prednosti i ograničenja. Proširenje snopa smanjuje pojačanje antene i time osjetljivost radarskog sustava – autori navode formulu za procjenu gubitka:

Tako, primjerice, proširenje snopa s 1° na 10° u elevaciji rezultira gubitkom od približno 10 dB u detektabilnosti radarske jeke. Stoga autori preporučuju hibridni pristup: višestruki uski snopovi na niskim elevacijskim kutovima (gdje su jaki gradijenti reflektivnosti i prizemna gustoća čestica u zraku), a prošireni snopovi na višim kutovima gdje je brzo skeniranje prioritet.

Demonstracija u praksi: Tornado kod Normana

Teoretske prednosti lako je nabrojati, no prava vrijednost sustava dokazuje se u operativnim uvjetima. Noć 27./28. travnja 2024. pružila je idealnu priliku – višestruka tornada pogodila su Oklahomu i sjeverni Teksas, uključujući EF1 tornado u blizini Normana.

Horus je, pozicioniran kod Lloyd Noble Centra Sveučilišta u Oklahomi, kontinuirano pratio razvoj situacije. Koristeći 2D proširenje snopa, radar je ostvario volumna ažuriranja svakih 3,52 sekunde – više od 15 puta brže nego klasični radar WSR-88D. Autori navode da su uzastopna skeniranja uhvatila produbljivanje i sužavanje slabo-odjekne rupe (weak-echo hole, WEH) povezane s uzlaznom strujom tornada.

Posebno je zanimljivo zapažanje da su promjene koje bi bile nevidljive s minutnim ažuriranjima postale jasno uočljive – centroid WEH-a se podizao, što ukazuje na jačanje uzlazne struje, dok je smicanje vjetra između susjednih radarskih ćelija raslo, signalizirajući intenzifikaciju vrtloga.

Polarimetrijski podaci – diferencijalna reflektivnost (Z_DR), diferencijalna faza (Φ_DP) i korelacijski koeficijent (ρ_hv) – pokazali su očekivane značajke za tornada, uključujući karakterističan “potpis” letećih krhotina (tornado debris signature, TDS).

Usporedba s referentnim sustavom

Za validaciju kvalitete podataka, Horus je tijekom ranijeg eksperimenta (8. kolovoza 2023.) usporedno djelovao s RaXPol-om (rapid-scan X-band polarimetric Doppler radar), dobro etabliranim istraživačkim radarom. Unatoč razlikama u frekvenciji (S-band vs. X-band), širini snopa i vršnoj snazi odašiljača, polarimetrijske varijable pokazale su visoku korelaciju. Pearsonov koeficijent korelacije iznosio je više od 0,9 za reflektivnost, radijalnu brzinu i diferencijalnu fazu, dok je Z_DR pokazao nešto nižu korelaciju (~0,8), što je konzistentno s poznatom većom varijabilnošću ove varijable između radarskih sustava različitih karakteristika (Ryzhkov i Zrnić, 2019).

Implikacije za operativnu meteorologiju

Američka Nacionalna meteorološka služba (NWS) trenutno provodi program “Radar Next” s ciljem evaluacije tehnologija za zamjenu dotrajalih WSR-88D radara (Gallagher i sur., 2024; Zachman i sur., 2025). Potpuno digitalna arhitektura demonstrirana Horusom predstavlja uvjerljiv model za ovu tranziciju.

Mreža digitalnih radara s faznim nizovima mogla bi ponuditi kontinuirano, adaptivno i visoko-vremenski razlučivo motrenje, značajno poboljšavajući sposobnost praćenja tornada, tuče i drugih opasnih vremenskih pojava. Elektronički upravljani snopovi dramatično bi smanjili vrijeme ažuriranja volumena uz očuvanje kvalitete podataka.

Dodatno, fleksibilnost sustava otvara mogućnosti za multifunkcionalno djelovanje – ista radarska mreža mogla bi istovremeno služiti meteorološkom motrenju, praćenju civilnog zračnog prometa, pa čak i detekciji svemirskih krhotina, što je sve relevantniji izazov s rastućim brojem satelita u orbiti.

Pogled u budućnost

Autori naglašavaju da demonstrirane mogućnosti predstavljaju tek početak razvoja. Budući napori usmjerit će se na adaptivno skeniranje vođeno algoritmima umjetne inteligencije – sustav bi autonomno prepoznavao razvijajuće oluje i automatski prilagođavao strategiju skeniranja, koncentrirajući resurse na područja od najvećeg interesa.

Zamislite radar koji sam prepoznaje nastajuću mezociklonu i automatski prelazi na visoko-frekventno skeniranje upravo tog područja, dok ostatak volumena nastavlja pratiti standardnim tempom. To više nije znanstvena fantastika – komponente za takav sustav već postoje, a Horus je platforma na kojoj će se one integrirati.

---

Za meteorološku zajednicu, a posebice za operativne prognostičare koji donose odluke o upozorenjima u realnom vremenu, ovo predstavlja izniman pomak. Brže i detaljnije informacije o evoluciji oluja mogu se izravno prevesti u ranija i preciznija upozorenja, a time i u spašene živote i imovinu.

---

Izvori

1. Schvartzman, D., Palmer, R.D., Herndon, M., Cheong, B., Bodine, D., Kirstetter, P., Yeary, M., Yu, T.-Y., i Zrnić, D. (2026). Advanced Weather Surveillance Capabilities of the Fully Digital Horus Phased Array Radar. Bulletin of the American Meteorological Society, 107(1), E59-E78. https://doi.org/10.1175/BAMS-D-24-0296.1
2. Palmer, R.D., i sur. (2023). Horus—A fully digital polarimetric phased array radar for next-generation weather observations. IEEE Transactions on Radar Systems, 1, 96-117.
3. Zrnić, D., i sur. (2007). Agile-beam phased array radar for weather observations. Bulletin of the American Meteorological Society, 88, 1753-1766.
4. Ryzhkov, A., i Zrnić, D. (2019). Radar Polarimetry for Weather Observation. Springer International Publishing.
5. Bodine, D.J., i Griffin, C.B. (2024). Meteorological research enabled by rapid-scan radar technology. Monthly Weather Review, 152, 3-37.

Ivan Toman

Uslijed vrlo niskih temperatura koje su jutros dosegle i blizu -20°C, izraženi zimski uvjeti nastavit će se i idućih dana. Tlo nad kontinentalnim krajevima prekrivenim snijegom, te s njime i prizemni sloj zraka zadržat će se na temperaturama oko ili ispod nule, a približavanjem atlantske ciklone prema našim će krajevima već danas početi pristizati topliji zrak sa zapada u višim slojevima troposfere. Takva situacija uzrokovat će temperaturnu inverziju (porast temperature s visinom), a uz sve oblačnije vrijeme u petak, već od jutra i oborine.

U takvim uvjetima kad na nekoj visini postoji sloj zraka topliji od 0°C, dovoljne debljine, oborina koja pada prema tlu se topi i pretvara u kišu. Međutim, zadržani hladan prizemni sloj te kapljice prehlađuje, tj. spušta im temperaturu ispod točke ledišta i one se u dodiru s tlom ili objektima na tlu, trenutačno smrzavaju. Tu opasnu i štetnu pojavu nazivamo ledena kiša.

U petak će u značajnom dijelu unutrašnjosti regije postojati takvi uvjeti. Prvenstveno, u središnjoj Hrvatskoj i Slavoniji (vidi kartu ispod).

Na slici je prikazan samo jedan od trenutaka (17 sati po lokalnom vremenu) gdje žuto-crveno obojana područja prikazuju prognoziranu ledenu kišu. Ona je moguća u cijelom nizinskom području unutrašnjosti gdje će se topao zrak koji dolazi u višim slojevima najteže probiti do tla.

Prestanak postojanja uvjeta za ledenu kišu očekuje se u noći na subotu, novim prodorom hladne zračne mase sa sjevera koja će ukloniti slojeve toplije od 0°C. Time će oborina ponovo prijeći u snijeg, a tijekom subote se očekuje i njegov prestanak te mjestimice i kidanje naoblake. U nedjelju još hladnije, a na Jadranu jaka i olujna bura. Noć na ponedjeljak bi mogla ponovo biti pretežno vedra, ponegdje uz maglu, te najniže temperature slične ovima jutros – na kontinentu većinom od -10 do -20°C.

Ivan Toman

Razumiju li ljudi probabilističke prognoze vremena?

Svaka vremenska prognoza nosi u sebi neizvjesnost. Ta je činjenica fundamentalna za meteorologiju, a ipak se o njoj rijetko otvoreno govori. Zašto? Postoji uvriježeno mišljenje da “ljudi ne razumiju vjerojatnosti” i da bi ih dodatne informacije o nesigurnosti prognoze samo zbunile. No što ako je ta pretpostavka pogrešna?

Dva nedavno objavljena članka Kena Mylnea iz britanskog Met Officea, publicirana u časopisu Weather Kraljevskog meteorološkog društva, bave se upravo ovom temom — i njihovi zaključci mogli bi promijeniti način na koji razmišljamo o vremenskim prognozama.

Zašto je neizvjesnost neizbježna?

Atmosfera je kaotični sustav. Edward Lorenz, otac teorije kaosa, slikovito je to opisao riječima da “jedan zamah krila leptira može uzrokovati tornado na drugom kraju svijeta”. U praktičnom smislu, to znači da male pogreške u početnim uvjetima — a savršeno poznavanje stanja atmosfere jednostavno nije moguće — mogu rezultirati velikim razlikama u prognozi, osobito na dulje rokove.

Tradicionalna “deterministička” prognoza polazi od jedne procjene trenutnog stanja atmosfere i simulira jedan mogući razvoj događaja. Problem je što takva prognoza ne govori ništa o tome koliko smo sigurni u taj ishod.

Ansambli: od jedne do mnoštva prognoza

Rješenje koje se u operativnoj meteorologiji koristi već više od tri desetljeća jest ansambelsko prognoziranje. Umjesto jedne simulacije, pokreće se više njih — svaka s malo drugačijim početnim uvjetima ili drugačijim podešavanjem modela, koji odražavaju nesigurnost u analizi trenutnog stanja atmosfere ili nesavršenost modela. ECMWF-ov globalni ansambl, primjerice, ima 51 član, dok britanski MOGREPS-UK koristi 18 članova s vremenskim pomacima.

Rezultat je distribucija vjerojatnosti mogućih ishoda. Iz nje se mogu izvući razne informacije: najvjerojatnija vrijednost, raspon mogućih temperatura, vjerojatnost oborine iznad određenog praga ili, što je posebno važno za upozorenja, šansa za ekstremne događaje.

Mylne u prvom članku navodi da verifikacijske studije dosljedno pokazuju kako ansambli imaju veću prognostičku vještinu od determinističkih modela, čak i kad rade na nižoj rezoluciji. Zbog toga su i Met Office i ECMWF odlučili ukinuti zasebne determinističke modele visoke rezolucije i usmjeriti resurse isključivo na ansambelske sustave.

Hoće li javnost to razumjeti?

Ovdje dolazimo do ključnog pitanja drugog članka. Uobičajene brige prognozera i pružatelja usluga uključuju tvrdnje poput: “Ljudi jednostavno moraju donijeti odluku”, “Korisnici žele da mi donesemo odluku umjesto njih” ili “Komunikacija neizvjesnosti potkopat će povjerenje u naše prognoze”.

No istraživanja pokazuju suprotno.

Na Sveučilištu u Exeteru provedena su laboratorijska ispitivanja u kojima su sudionici donosili odluke na temelju različitih prikaza vremenskih prognoza. U jednom eksperimentu (Roulston i Kaplan, 2009.), jedna skupina vidjela je jednostavan linijski graf temperature, dok je druga dobila složeniji prikaz s prikazanim rasponom nesigurnosti. Rezultat? Skupina s dodatnim informacijama o nesigurnosti donosila je ispravne odluke u 85% slučajeva, nasuprot 69% kod kontrolne skupine — i to neovisno o akademskoj pozadini sudionika.

Posebno zanimljiva bila je online igra “Weather Game” (Stephens i sur., 2019.) s preko 8000 sudionika koji su pomagali izmišljenom prodavaču sladoleda Bradu odabrati najbolja vremena i lokacije za prodaju. Zaključci su bili jasni:

• Većina ljudi sposobna je iskoristiti informacije o nesigurnosti
• Složeniji prikazi nisu zbunjivali sudionike
• Čak i uz determinističke prognoze, ljudi su iskazivali manje od 100% povjerenja — intuitivno su pretpostavljali određenu nesigurnost
• Najbolje rezultate postigli su oni s najsloženijim prikazom (kombinacija linije najvjerojatnije vrijednosti s prikazom raspona)

Sustavni pregled literature Ripbergera i suradnika (2022.), koji je obuhvatio 327 studija, dolazi do istog zaključka: prosječni ljudi mogu razumjeti i koristiti probabilističke informacije ako se pazi na način prezentacije, a takve informacije općenito poboljšavaju kvalitetu odluka.

Kako komunicirati nesigurnost?

Istraživanja nude konkretne smjernice. Jezik je važan: riječ “vjerojatnost” (probability) mnogima zvuči matematički i zastrašujuće, dok “šansa” (chance) ili “izgledi” (likelihood) djeluju pristupačnije. Slično tome, “pogreška” (error) u znanstvenom smislu znači odstupanje od točne vrijednosti, ali javnost može to protumačiti kao “grešku” ili nesposobnost.

Posebno je problematično kad ljudi različito tumače što “30% šanse za kišu” uopće znači. Gigerenzer i suradnici (2005.) identificirali su tri česta pogrešna tumačenja: da će kiša padati na 30% područja, da će padati 30% vremena, ili čak da 30% meteorologa misli da će padati. Jasno definiranje na što se vjerojatnost odnosi — tzv. referentna klasa — ključno je za ispravno razumijevanje.

Mylne predlaže dualni pristup: kombinaciju grafičkog prikaza (npr. tortni dijagram ili piktogram) s numeričkom vrijednošću. Tako se istovremeno doseže i one koji preferiraju vizualne informacije i one koji vole brojke.

Događaji visokog učinka, niske vjerojatnosti

Poseban izazov predstavljaju tzv. HILL događaji (High-Impact Low-Likelihood) — rijetki, ali potencijalno katastrofalni vremenski ekstremi. U ansambelskim prognozama oni se često pojavljuju kao “outlieri” — pojedinačni članovi ansambla koji predviđaju znatno drugačiji ishod od većine.

Primjer koji Mylne navodi jest oluja “Beast from the East” koja je početkom ožujka 2018. donijela obilne snježne nanose u jugozapadnu Englesku. Tri i pol dana unaprijed, većina članova ansambla predviđala je nastavak snježnih pljuskova na sjeveroistoku, dok je samo nekoliko članova sugeriralo mogućnost razvoja ciklone s juga koja bi pogodila jugozapad. To je bio signal za izdavanje ranog upozorenja.

Britanski sustav upozorenja koristi matricu koja kombinira razinu učinka s vjerojatnošću. Istraživanje Mu i suradnika (2018.) pokazalo je da ljudi koji dobiju informaciju i o razini učinka i o vjerojatnosti donose bolje odluke od onih koji vide samo boju upozorenja.

Implikacije za praksu

Zaključak ovih istraživanja je jasan: uskraćivanje probabilističkih informacija iz straha da ih javnost neće razumjeti čini medvjeđu uslugu većini korisnika. Prognoza koja govori samo najvjerojatniji ishod onemogućuje korisnicima da prilagode svoje odluke vlastitim potrebama i osjetljivostima.

Razmislite o sljedećem primjeru: prognoza daje 30% šanse za kišu. Automatski sustav koji “svodi” tu informaciju na deterministički zaključak “suho” loše služi svakom korisniku koji je osjetljiv na kišu i radije bi ponio kišobran pri 30% šanse nego riskirao. Slično, vlasnik broda koji bi premjestio plovilo na sigurno već pri 10% šanse za olujne vjetrove — zbog visokog potencijalnog troška štete — bio bi loše uslužen prognozom koja daje samo najvjerojatnije, blaže vjetrove.

Meteorolog nikad ne može znati sve raznovrsne primjene javne prognoze, ali učinkovita komunikacija nesigurnosti otvara mogućnost korisnicima da donesu odluke primjerene njihovim okolnostima.

Pogled naprijed

Ansambli više nisu samo pomoćno sredstvo — postaju srž operativnih prognostičkih sustava. S razvojem sustava poput IMPROVER-a koji kalibrira i kombinira izlaze različitih modela, te s naglim usponom metoda umjetne inteligencije u meteorologiji, mogućnosti se dodatno šire.

No tehnološki napredak sam po sebi nije dovoljan. Da bi se ulaganja u ansambelsko prognoziranje u potpunosti isplatila, ključno je pronaći učinkovite načine za komunikaciju tih informacija korisnicima — ne samo profesionalnim donosiocima odluka, već i širokoj javnosti s njezinom raznolikošću vremenski osjetljivih aktivnosti i različitom averzijom prema riziku.

Istraživanja pokazuju da je taj cilj ostvariv. Većina ljudi nije samo sposobna razumjeti probabilističke prognoze — oni na temelju njih donose bolje odluke. Vrijeme je da im to i omogućimo.

---

Izvori:

Mylne, K.R. (2025). Probability forecasts – Part 1: ensembles and probabilistic forecasts. Weather. https://doi.org/10.1002/wea.70015

Mylne, K.R. (2025). Probability forecasts – Part 2: will people understand? Weather. https://doi.org/10.1002/wea.70016

Ivan Toman

Nova mala revolucija u prognoziranju vremena: NOAA uvodi novu generaciju umjetne inteligencije

Američka meteorološka služba NOAA pokrenula je 17. prosinca 2025. godine tri nova operativna modela za globalnu prognozu vremena temeljena na umjetnoj inteligenciji, označivši tako jednu od važnijih prekretnica u povijesti numeričkog prognoziranja.

Prognoziranje vremena oduvijek je bilo jedno od najizazovnijih područja znanosti. Atmosfera je kaotičan sustav u kojem sitne promjene početnih uvjeta mogu dovesti do dramatično različitih ishoda — fenomen poznat kao “učinak leptira”. Desetljećima su meteorolozi gradili sve složenije fizikalne modele koji numerički rješavaju jednadžbe dinamike fluida, pokušavajući predvidjeti buduće stanje atmosfere. No računalna zahtjevnost takvih simulacija je golemna: najnapredniji globalni modeli zahtijevaju superračunala koja troše megavate električne energije i satima računaju svaku prognozu.

Sve se to počelo postupno mijenjati posljednjih godina pojavom strojnog učenja u meteorologiji. Tvrtke poput Googlea, Nvidije i Huaweija razvile su modele koji su pokazali da umjetna inteligencija može naučiti obrasce ponašanja atmosfere izravno iz podataka, bez potrebe za eksplicitnim rješavanjem fizikalnih jednadžbi. Rezultati su pomalo iznenadili znanstvenu zajednicu: ti su modeli postizali točnost usporedivu ili u nekim uvjetima čak bolju od tradicionalnih sustava, a što je najvažnije, prognoze su proizvodili u minutama umjesto u satima.

Nova trijada AI modela

NOAA je sada službeno uvela tri nova sustava u operativnu uporabu. Njihov razvoj proizašao je iz projekta EAGLE (Experimental AI Global and Limited-area Ensemble forecast system), zajedničke inicijative koja okuplja NOAA-ine laboratorije za istraživanje oceana i atmosfere, Nacionalnu meteorološku službu te Centar za inovacije u predviđanju Zemljinog sustava.

AIGFS — Brži i učinkovitiji od prethodnika

Prvi član nove obitelji jest AIGFS (Artificial Intelligence Global Forecast System), AI inačica poznatog američkog globalnog modela GFS. Ovaj sustav koristi grafičke neuronske mreže za generiranje šesnaestodnevnih prognoza, a njegova je najupečatljivija karakteristika nevjerojatna učinkovitost: jedna prognoza troši tek 0,3 posto računalnih resursa potrebnih klasičnom GFS-u i završava za približno četrdeset minuta. Za usporedbu, tradicionalni GFS zahtijeva sate računanja na superračunalima.

No brzina nije jedina prednost. AIGFS pokazuje poboljšanu vještinu u prognozi velikih atmosferskih obrazaca, a osobito se ističe u praćenju tropskih ciklona — njegovi prognostički tragovi oluja na duljim vremenskim skalama preciznije pogađaju stvarnu putanju nego što to čini tradicionalni model. Ipak, prva verzija ima i slabosti: procjene intenziteta uragana trenutačno zaostaju za klasičnim pristupom, što razvojni tim planira ispraviti u budućim verzijama.

AIGEFS — Raspon mogućih ishoda

Druga komponenta, AIGEFS (Artificial Intelligence Global Ensemble Forecast System), donosi ono što meteorolozi nazivaju ansamblskim pristupom. Umjesto jedne determinističke prognoze, ovaj sustav generira trideset i jedan član ansambla — trideset i jednu moguću verziju budućeg razvoja vremena temeljenu na malo različitim početnim uvjetima simulacije. Takav pristup prognosticima daje uvid u nesigurnost prognoze i raspon mogućih scenarija.

AIGEFS troši samo devet posto računalnih resursa klasičnog ansamblskog sustava GEFS, a pokazuje usporedivu vještinu prognoze s dodatkom koji nije zanemariv: predvidljivost se proteže za dodatnih osamnaest do dvadeset četiri sata u odnosu na tradicionalni pristup. U svijetu meteorologije, gdje svaki dodatni sat točne prognoze može značiti spašene živote i imovinu, to je značajan napredak.

HGEFS — Hibridni “veleansambl”

Treći i najinventivniji član nove postave jest HGEFS (Hybrid Global Ensemble Forecast System). NOAA ovdje čini nešto što dosad nijedan operativni centar nije pokušao: spaja trideset i jedan član fizikalnog ansambla GEFS s trideset i jednim članom AI ansambla AIGEFS u jedinstven “veleansambl” od šezdeset dva člana.

Zašto je to važno? Svaki član ansambla predstavlja jedan mogući razvoj stanja atmosfere, a više članova daje bolju procjenu nesigurnosti. No ključ je u tome što dva sustava — jedan temeljen na fizici, drugi na strojnom učenju — griješe na različite načine. Kombiniranjem oba pristupa dobiva se robusniji skup prognoza koji bolje predstavlja pravu nesigurnost budućeg vremena. Ova metodika je inače slična onome što radi Meteo centar za svoju mobilnu aplikaciju – korištenjem različitih tipova meteoroloških modela za izračun konačne prognoze (uz razliku da u Meteo centru – još – ne koristimo AI modele za ulazne setove podataka). Početna testiranja pokazuju da HGEFS dosljedno nadmašuje i čisti AI ansambl i čisti fizikalni ansambl u većini verifikacijskih metrika.

Na ramenima divova: GraphCast kao temelj

NOAA-ini novi modeli nisu nastali “u vakuumu”. Kao polazišnu točku, tim je uzeo GraphCast — model koji je Google DeepMind predstavio krajem 2023. godine i koji je tada izazvao val iznenađenja u meteorološkoj zajednici. GraphCast koristi grafičke neuronske mreže za učenje vremenskih obrazaca iz gotovo četiri desetljeća povijesnih podataka, pretvarajući ogroman arhiv prošlih atmosferskih stanja u predvidljivu funkciju koja mapira sadašnje stanje u buduće.

No NOAA nije jednostavno preuzela gotov model. Znanstvenici su GraphCast dodatno trenirali koristeći podatke iz vlastitog sustava za asimilaciju podataka GDAS te ERA5 reanalizu Europskog centra za srednjoročnu prognozu ECMWF. Taj postupak finog podešavanja poboljšao je performanse modela, osobito kada se inicijalizira operativnim podacima GFS-a. Rezultat je sustav prilagođen američkim operativnim potrebama, a ne samo akademska demonstracija mogućnosti.

Globalna utrka u AI meteorologiji

NOAA nije jedina organizacija koja ulazi u novo doba. Europski centar za srednjoročnu prognozu ECMWF — dugo smatran zlatnim standardom globalnog prognoziranja — u veljači 2025. pustio je u rad svoj AI sustav AIFS (Artificial Intelligence Forecasting System). ECMWF-ov model koristi tisuću puta manje energije od tradicionalnog sustava IFS, a pokazuje poboljšanja do dvadeset posto u praćenju tropskih ciklona.

Europljani su također razvili Anemoi — otvoreni softverski okvir za razvoj AI modela u meteorologiji, koji sada postaje temelj za suradnju među europskim nacionalnim službama. Njemačka meteorološka služba DWD, francuski Météo-France i norveški MET rade na vlastitim regionalnim AI modelima, a svi koriste zajedničku infrastrukturu i dijele znanje.

Prednosti i ograničenja novog pristupa

AI modeli nude nekoliko neprijepornih prednosti. Brzina izrade prognoze dramatično se skraćuje, omogućujući češće osvježavanje a time i bržu reakciju na razvoj opasnih situacija. Energetska učinkovitost je revolucionarna — u doba kada računalni centri troše sve više električne energije, smanjenje potrošnje za dva do tri reda veličine nije zanemarivo. Operativna otpornost raste jer se prognoze mogu proizvesti na skromnijoj hardverskoj infrastrukturi.

No postoje i ograničenja koja valja imati na umu. AI modeli uče iz prošlih podataka, što znači da mogu imati poteškoća s događajima koji nemaju povijesnih analogija — primjerice s ekstremima koji nadilaze sve dosad zabilježeno. Fizikalni modeli eksplicitno rješavaju zakone termodinamike i dinamike fluida; oni “razumiju” zašto se atmosfera ponaša kako se ponaša. AI modeli te zakone ne poznaju izravno — oni su naučili obrasce koji se podudaraju s tim zakonima, ali mogu pogriješiti na načine koje fizikalni modeli ne bi pogriješili.

Upravo zato NOAA-in hibridni pristup ima smisla. Umjesto ideje da se potpuno napusti fizikalne modele, agencija kombinira najbolje od oba svijeta. Fizikalni modeli pružaju temeljno razumijevanje i pouzdanost u rubnim slučajevima; AI modeli donose brzinu, učinkovitost i sposobnost prepoznavanja suptilnih obrazaca koje čovjek možda nikad ne bi eksplicitno kodirao.

Što donosi budućnost?

Ovo je tek početak. NOAA planira proširiti projekt EAGLE regionalnim modelima visoke razlučivosti, uključujući AI verziju popularnog HRRR sustava za kratkoročnu prognozu nad kontinentalnim Sjedinjenim Državama. Razvijaju se i AI komponente za predviđanje oceanskih i ledenih uvjeta, što će omogućiti potpunije modeliranje Zemljinog klimatskog sustava.

Možda je najuzbudljivija vizija ona koju su europski kolege nazvali “demokratizacijom prognoza”. AI modeli su toliko učinkoviti da bi ih u skoroj budućnosti bilo moguće pokretati na osobnim računalima. To bi moglo transformirati pristup meteorološkim informacijama, omogućujući istraživačima, malim tvrtkama i čak entuzijastima pristup sofisticiranim prognozama koje su dosad bile rezervirane za velike nacionalne službe.

No s tom moći dolazi i odgovornost. Florian Pappenberger, direktor prognoza u ECMWF-u, upozorava da nacionalne meteorološke službe moraju preuzeti vodstvo u osiguravanju da se ova revolucija strojnog učenja koristi za dobrobit i sigurnost društva. Pouzdanost informacija, transparentnost metoda i jasna komunikacija nesigurnosti postaju važniji nego ikad.

Za krajnje korisnike — od komercijalnih zrakoplova do poljoprivrednika, od gradskih službi za upravljanje krizama do vikend planinarenja — to znači točnije prognoze isporučene brže i jeftinije. Za meteorološku zajednicu, to je poziv na prilagodbu, učenje i suradnju. A za sve nas koji živimo na ovom planetu nestalnog vremena i promjenjive klime, to je razlog za umjereni optimizam: možda nećemo moći zaustaviti oluju, ali sve smo bliži tome da je predvidimo na vrijeme.

Ivan Toman

Od Kariba do Dolomita, od Islanda do zapadnog Pacifika, priroda nas je i ove jeseni podsjetila na svoju snagu i nepredvidivost. U ovom pregledu donosimo najznačajnije vremenske događaje iz svijeta koji su obilježili posljednje mjesece.

Uragan Melissa: Povijesna katastrofa za Jamajku

Kad govorimo o najrazornijim atlantskim uraganima, imena poput Mitch, Matthew, Maria i Milton već su postala sinonimi za devastaciju. Sada im se pridružuje još jedno ime na slovo M – Melissa.

Ovaj snažni uragan započeo je svoj put kao jedan od tipičnih afričkih istočnih valova – atmosferskih poremećaja koji se formiraju iznad afričkog kontinenta i putuju prema zapadu preko Atlantika. Mnogi od ovih valova nikad ne prerastu u tropske oluje, no Melissa je bila drugačija.

Do 21. listopada sustav je ojačao u tropsku oluju južno od Haitija i Dominikanske Republike. U početku je Melissa imala problema s “organizacijom” zbog jakog zapadnog smicanja vjetra – pojave koja “naginje” oluju i sprječava njezin vertikalni razvoj. No do 25. listopada uvjeti su se promijenili.

S temperaturama mora od 30 do 31°C i velikom količinom toplinske energije u oceanu, Melissa je dobila idealne uvjete za brzo jačanje. Do 27. listopada postala je treći uragan kategorije 5 te sezone – čineći 2025. godinu jedinom u povijesti s tri uragana najviše kategorije (rekord iz 2005. s četiri takva uragana ostao je netaknut, ali i nedostižan za većinu sezona).

Što čini uragan kategorije 5?

Za one manje upućene u meteorološku terminologiju, Saffir-Simpsonova ljestvica klasificira uragane u pet kategorija prema brzini vjetra. Kategorija 5, najviša na ljestvici, označava uragane s prosječnim vjetrovima bržim od 252 km/h.

Rekordan landfall

Dana 28. listopada oko 17:00 UTC, Melissa je središtem izašla na kopno blizu mjesta New Hope na Jamajci sa prosječnim vjetrovima od nevjerojatnih 160 čvorova (oko 296 km/h) i središnjim tlakom od samo 892 hPa. Time je izjednačila rekord najintenzivnijeg atlantskog uragana koji se ikad “iskrcao” na kopno – rekord koji je do tada držao zloglasni uragan “Labor Day” iz 1935. godine.

Zanimljivo je da Melissa nije prošla kroz eyewall replacement cycle – proces tijekom kojeg oko uragana privremeno oslabi dok se formira novi, veći zid oka. Ovaj izostanak omogućio joj je da zadrži punu snagu sve do udara u kopno.

Sonda ispuštena u južni zid oka Melisse zabilježila je maksimalni vjetar od 219 čvorova (oko 405 km/h) – najvišu vrijednost ikad izmjerenu takvim instrumentom. Također je moguće da je Melissa postavila rekord u broju munja, s vrhuncem od 699 izboja u minuti, premda će konačne brojke biti poznate tek nakon detaljne analize Nacionalnog centra za uragane (NHC).

Posljedice za Jamajku su katastrofalne: brojne žrtve, uništena infrastruktura i poplave koje će pogođenim zajednicama trebati mjeseci, ako ne i godine, za oporavak.

Island: Komarci i rekordni listopadski snijeg

U potpunom kontrastu s “tropskom furijom”, Island nas je iznenadio vijestima iz sasvim drugog spektra – otkrićem komaraca i rekordnim snijegom.

Island je dugo bio jedno od rijetkih mjesta na Zemlji bez komaraca. Unatoč bezbrojnim močvarama i barama koje inače privlače ove insekte, hladna klima otoka držala ih je podalje. No s Arktikom koji se zagrijava gotovo četiri puta brže od globalnog prosjeka, uvjeti se mijenjaju.

Nedavno je na Islandu otkrivena vrsta komarca otporna na hladnoću, sposobna preživjeti zime skrivajući se u podrumima i stajama. Za sada ovi pridošlice ne predstavljaju zdravstvenu prijetnju jer nisu poznati kao prenosioci virusa poput Zike.

No samo nekoliko dana nakon otkrića komaraca, Island je “zatrpan” rekordnim listopadskim snijegom. Reykjavik je do podneva 28. listopada zabilježio visinu od 27 cm snijega, što je potaknulo izdavanje narančastih upozorenja za glavni grad i okolicu. Posljednji put kad je u listopadu palo toliko snijega u islandskoj prijestolnici bila je davna 1921. godina.

Jesenska klackalica na Pirenejskom poluotoku

Pirenejski poluotok doživio je u listopadu pravi meteorološki rollercoaster – od razornih poplava do rekordnih vrućina.

Oluja Alice

Kao prva imenovana oluja sezone za jugozapadnu Europu, Alice je donijela obilne kiše i olujne vjetrove istočnoj Španjolskoj. Španjolska meteorološka agencija AEMET izdala je crvena upozorenja za dijelove Valencije, gdje je palo do 160 mm kiše u samo 24 sata. Poplave su preplavile ulice Katalonije, odnoseći automobile u blatnim bujicama. Na Balearima je nakratko obustavljeno prometovanje na aerodromu Ibiza zbog poplavljenih pista.

Kasni toplinski val

No listopad nije bio samo kišovit. Krajem mjeseca jug poluotoka zahvatio je toplinski val s rekordnim temperaturama. Alicante je zabilježio najtopliju listopadsku noć u povijesti mjerenja – minimalna temperatura nije pala ispod 22,4°C. Dnevne temperature u Manilvi (Malaga) dosegle su 36,6°C, samo 1,5°C ispod apsolutnog španjolskog rekorda za listopad.

Gibraltar je 24. listopada dosegao 31,0°C – najtopliji listopadski dan od 1997. godine, s prosječnom mjesečnom temperaturom 2,2°C iznad normale za razdoblje 1991.–2020.

Nestabilni vrhovi Dolomita

Visoko u talijanskim Dolomitima, otapanje permafrosta pretvara nekad stabilne planinske vrhove u tempirane opasnosti.

Permafrost – trajno smrznuto tlo koje služi kao prirodno “ljepilo” držeći stijene na mjestu – ubrzano se topi pod utjecajem rastućih temperatura. Snimke dronom nedavno su otkrile širenje pukotina na mjestima gdje je led nekad čvrsto povezivao stijenje.

Ljeti 2025. godine evakuirano je gotovo 100 turista nakon niza odrona u području Brenta Dolomita. Ponovljeni ciklusi smrzavanja i odmrzavanja otvaraju nove pukotine i slabe planinske stijene, što rezultira sve češćim lavinama i klizištima.

Za Dolomite ovakve promjene znače dramatično preoblikovanje njihovih kultnih planinskih vrhova i sve veće rizike za zajednice i posjetitelje koji o njima ovise.

Sezone tajfuna na sjeverozapadnom Pacifiku

Dok je Atlantik bio zaokupljen Melissom, sjeverozapadni Pacifik proživljavao je vlastitu dramatičnu sezonu tajfuna. Do vremena pisanja originalnog članka, 27 sustava doseglo je status imenovane oluje.

Tajfun Ragasa

Ragasa je u rujnu stigla kao devetnaesta imenovana oluja sezone i prva koja je premašila kategoriju 3. Dosegla je status supertajfuna kategorije 5, sa prosječnim vjetrovima od 145 čvorova i središnjim tlakom od 905 hPa.

Ragasa je prouzročila velike štete prelazeći Filipine i Tajvan prije udara u južnu Kinu. Prilikom slabljenja prešla je preko Hong Konga i sjevernog Vijetnama, prisiljavajući Hong Kong da podigne upozorenje na tajfun na razinu 10 – maksimalnu razinu – što je uzrokovalo obustavu svih letova na 36 sati. Poplave su na nekim mjestima dosegle prozore drugog kata, dok su plimni valovi opustošili obalne zajednice.

Kalmaegi i Fung-wong

Krajem sezone tajfuni Kalmaegi i Fung-wong donijeli su svježi podsjetnik koliko kasni sustavi mogu biti razorni. Kalmaegi je kao oluja kategorije 3 prešla središnje Filipine s vjetrovima od 80 čvorova, čupajući krovove s kuća dok su obilne kiše pretvarale ceste u rijeke.

Poplave opisane kao najgore u desetljećima usmrtile su najmanje 188 ljudi na Filipinima. Dok je Kalmaegi harala Vijetnamom (gdje je poginulo dodatnih 5 osoba), Fung-wong je već nanosila nova razaranja Filipinima, samo nekoliko dana nakon devastacije koju je iza sebe ostavila oluja Kalmaegi.

Iako su dugoročne prognoze predviđale “skoro normalnu” sezonu 2025., ovi događaji pokazuju kako prosjeci mogu maskirati ekstreme.

Novosti iz svijeta numeričke meteorologije: ECMWF Cycle 50r1

Za nas koji se bavimo vremenskim prognozama, značajna je vijest da ECMWF (Europski centar za srednjoročne vremenske prognoze) planira implementaciju novog ciklusa svog IFS (Integrated Forecast System) – Cycle 50r1 – u prvom tromjesečju 2026. godine.

Ova nadogradnja donosi brojne promjene koje će poboljšati kvalitetu prognoza:

• Bolja reprezentacija morskog leda i oceanske dinamike uvođenjem modela NEMO4-SI3
• Unaprijeđena asimilacija podataka za bolju inicijalizaciju modela
• Poboljšana parametrizacija konvekcije – ovo će biti najuočljivija promjena za većinu korisnika

Trenutačno se u ECMWF modelu konvektivna oborina nerealistično nakuplja duž obalnih linija jer model ne može pravilno simulirati njezino pomicanje u kopno. U novom ciklusu dio ove oborine obrađivat će se parameterizacijskom shemom oblaka gdje se može realistično pomicati i isparavati.

---

Izvor: Harris, D. i Hutin, Z. (2025). Weather news. Weather, 80(12), 398–399. Royal Meteorological Society.

Ivan Toman

Vinova loza u doba klimatskih promjena: što nam govori hrvatska znanost?

Kada će se dogoditi sljedeća berba Graševine? I hoće li ta berba uopće nalikovat onima kakve pamtimo? Nova doktorska disertacija baca svjetlo na izazove koji čekaju hrvatsko vinogradarstvo.

---

Već su naši djedovi i bake znali da je vino „tekuća povijest” — u svakoj čaši grožđe priča priču o tlu, suncu i kiši jedne konkretne godine. No posljednjih desetljeća ta se priča ubrzano mijenja. Berbe koje su se nekada odvijale krajem rujna danas nerijetko počinju već sredinom kolovoza. Vinova loza, ta osjetljiva i plemenita biljka koja prati čovječanstvo tisućama godina, postaje sve izloženija ekstremnim vremenskim uvjetima.

Upravo tom problematikom bavio se dr. sc. Branimir Omazić u svojoj doktorskoj disertaciji obranjenoj krajem 2023. godine, čiji rezultati bacaju novo svjetlo na sadašnje stanje i budućnost hrvatskog vinogradarstva.

Termometar u vinogradu: što nam brojke govore

Da bismo razumjeli što se događa s vinovom lozom, prvo moramo razumjeti što se događa s klimom. Omazić je analizirao podatke s 80 meteoroloških postaja diljem Hrvatske u razdoblju od 1961. do 2020. godine — gotovo šest desetljeća kontinuiranih mjerenja.

Rezultati su nedvosmisleni: temperatura zraka raste, i to posebno intenzivno od kasnih devedesetih godina prošlog stoljeća. No ono što možda iznenađuje jest da trend nije bio linearan. Šezdesete i sedamdesete godine prošlog stoljeća zapravo su bile razdoblje blagog zahlađenja — znanstvenici to povezuju s fenomenom globalnog zatamnjenja uzrokovanog industrijskim onečišćenjem. Tek od osamdesetih, a posebno od devedesetih, krivulja je krenula strmo uzlazno.

Za vinogradare ta „suha” statistika ima vrlo konkretne posljedice. U istraživanju je korišteno pet bioklimatskih indeksa — svojevrsnih „mjernih instrumenata” prilagođenih upravo potrebama vinogradarstva. Među njima se ističe Winklerov indeks koji mjeri akumuliranu toplinu tijekom vegetacijske sezone. U Dalmaciji je 1994. godine prvi put zabilježena vrijednost iznad 2700 °C jedinica, što odgovara kategoriji „pretoplo” za klasično vinogradarstvo. Do 2018. godine jedna je postaja premašila čak 3000 °C jedinica.

Jednako zabrinjavajući signal dolazi iz tzv. indeksa suhoće koji pokazuje sve veći deficit dostupne vode u tlu, naročito na jugu Hrvatske. Vinova loza jest razmjerno otporna na sušu, no i njezina izdržljivost ima granice.

Četiri sorte pod povećalom

U središtu Omazićeva istraživanja bile su četiri sorte koje čine oko 70 posto ukupne hrvatske proizvodnje vina. Dvije bijele — Graševina i Chardonnay — i dvije crne — Merlot i Plavac mali. Graševina i Plavac mali pritom su autohtone hrvatske sorte s dugom tradicijom uzgoja, dok su Chardonnay i Merlot „pridošlice” koje su se izvrsno prilagodile našim podnebljima.

Za svaku od ovih sorti praćene su četiri ključne fenološke faze: pupanje, cvatnja, šara (trenutak kada bobice počinju mijenjati boju i omekšavati) te berba. I kod svih se uočava isti trend — sve se događa ranije nego nekad.

Najdramatičniji pomaci zabilježeni su upravo kod pupanja i berbe. Na pojedinim lokacijama trend doseže i 15 dana ranijeg pupanja u samo desetljeću. Za berbu su pomaci ponegdje još izraženiji, premda valja napomenuti da na vrijeme berbe utječe i ljudska odluka, ne samo fiziologija biljke.

Korišteni računalni modeli

Jedna od najvažnijih inovacija u ovom istraživanju bila je primjena sofisticiranih računalnih modela za predviđanje fenoloških faza. Omazić je razvio četiri statistička modela i po prvi put u Hrvatskoj testirao biodinamički model STICS (Simulateur mulTIdisciplinaire pour les Cultures Standard), francuski sustav koji se koristi diljem Europe.

Modeli temeljeni na akumulaciji topline — dakle, oni koji računaju koliko „toplih dana” treba proći da bi biljka prešla u sljedeću fazu razvoja — pokazali su se najtočnijima. Model STICS dao je izvrsne rezultate za bijele sorte, dok je kod crnih, posebice kod Plavca malog, odstupanje bilo nešto veće. To ne iznenađuje jer su autohtone sorte često „tvrdoglavije” i manje predvidljive — upravo ta genetska posebnost čini ih tako vrijednima.

Kombinacijom ovih modela s projekcijama regionalnih klimatskih modela EURO-CORDEX dobivene su procjene za budućnost. I te procjene daju povoda za zabrinutost.

Dvije opasnosti na obzoru

Projekcije za kraj ovog stoljeća otkrivaju dva glavna izazova s kojima će se hrvatski vinogradari morati suočiti.

Prvi izazov: mraz u proljeće. Paradoksalno, upravo globalno zatopljenje povećava rizik od štete uzrokovane mrazom. Kako? Mehanizam je zapravo logičan: više temperature uzrokuju ranije pupanje — u kontinentalnoj Hrvatskoj ono bi se moglo pomaknuti čak prema početku ožujka. No datumi posljednjeg proljetnog mraza neće se pomaknuti u istoj mjeri. Drugim riječima, mladi, osjetljivi pupovi pojavit će se ranije, dok će opasnost od mraza ostati gotovo jednako dugo prisutna. Istraživanje predviđa da će se posljednji dan s mrazom u kontinentalnoj Hrvatskoj pomaknuti tek oko 10 dana ranije, dok će pomak pupanja biti znatno veći. Ovakve situacije s proljetnim mrazevima koji dolaze nakon početka vegetacije, zadnjih se godina viđaju vrlo često na našem području.

Drugi izazov: vruća dozrijevanja. Pomicanje šare prema kraju srpnja i početku kolovoza znači da će najvažnije razdoblje u životu grožđa — od šare do berbe — u cijelosti protjecati usred najvrućeg dijela godine. Za kvalitetu vina to ima dalekosežne posljedice. Visoke temperature ubrzavaju nakupljanje šećera, ali istovremeno razgrađuju kiseline koje vinu daju svježinu i eleganciju. Rezultat mogu biti vina veće alkoholne snage, ali manjeg aromatskog bogatstva i slabije sposobnosti starenja.

Detekcija mraza: nova metoda za stare brige

Poseban doprinos disertacije predstavlja razvoj metoda za detekciju mraza. Od deset testiranih metoda, pet je bilo potpuno novo. Najuspješnijom se pokazala ona koja kombinira minimalnu temperaturu zraka od 3 °C s temperaturom rosišta ispod 0 °C. Logika je jednostavna: mraz nastaje kada se vodena para iz zraka izravno pretvara u ledene kristale, a to se događa upravo kada temperatura rosišta padne ispod ništice.

Ova metoda mogla bi pomoći vinogradarima da preciznije predvide opasne situacije i pravovremeno poduzmu zaštitne mjere — od tradicionalnog paljenja vatre u vinogradu do modernijih sustava s ventilatorima ili grijalicama.

Što mogu učiniti vinogradari?

Rezultati ovog istraživanja nisu razlog za paniku, ali jesu poziv na prilagodbu. Diljem Hrvatske već se provode projekti poput VITCLIC i CroViZone koji istražuju konkretne strategije prilagodbe — od promjene agrotehničkih mjera do mogućeg preslagivanja sortimenta.

Neke prilagodbe već su vidljive u praksi: kasnija rezidba koja odgađa pupanje, prilagođeno navodnjavanje, zelena rezidba koja smanjuje opterećenje trsa i usporava dozrijevanje. Dugoročno, moguće je da će pojedine sorte postati prikladnije za uzgoj na višim nadmorskim visinama ili u kontinentalnim područjima koja su do sada bila granična.

Za autohtone sorte poput Graševine i Plavca malog situacija je posebno delikatna. One su tijekom stoljeća evoluirale u skladu s lokalnom klimom, a brzina sadašnjih promjena nadmašuje njihovu sposobnost prirodne prilagodbe. Upravo zato je znanstveno praćenje i modeliranje od presudne važnosti — ono nam daje vrijeme da reagiramo prije nego što štete postanu nepovratne.

Zaključak: znanost u službi tradicije

Doktorska disertacija Branimira Omazića predstavlja važan doprinos razumijevanju utjecaja klimatskih promjena na hrvatsko vinogradarstvo. No njezina vrijednost nadilazi akademske okvire. U doba kada se s jedne strane suočavamo s globalnim izazovom klimatskih promjena, a s druge nastojimo očuvati bogatu vinogradarsku baštinu, ovakva istraživanja postaju most između tradicije i budućnosti.

Vinova loza nas uči strpljenju — od sadnje do prve ozbiljne berbe prolazi barem pet godina. Ta vremenska perspektiva podsjeća nas da i mi moramo razmišljati unaprijed. Rezultati ovog istraživanja jasno pokazuju da budućnost hrvatskog vinarstva ovisi o našoj sposobnosti da već danas donosimo informirane odluke.

Na kraju krajeva, vino koje ćemo piti za dvadeset godina upravo se sada sadi. I upravo zato znanost poput ove nije luksuz, nego nužnost.

---

Ovaj članak temelji se na doktorskoj disertaciji „Utjecaj ekstremnih uvjeta u atmosferi na vinovu lozu u sadašnjim i budućim klimatskim uvjetima” dr. sc. Branimira Omazića, obranjene 15. prosinca 2023. godine. Puni tekst disertacije dostupan je putem digitalne zbirke Nacionalne i sveučilišne knjižnice.

Ivan Toman