At forstå jordforholdene før storme hjælper videnskabsmænd med at forudsige kraftig regn i monsunregioner

Som kraftige oversvømmelser, herunder dem i Houston, Texas, og Mumbai, Indien, Blive ved, forskerhold fra Purdue University og Indien har arbejdet på at forbedre de modeller, der kan hjælpe med at forudsige kraftig nedbør fra vejrbegivenheder.

Forskerne fandt ud af, at herunder en forbedret repræsentation af, hvor varm og våd landoverfladen er, før en storm dannes, giver det væsentlig information, der fører til forbedringer i forudsigelsen af ​​timingen af ​​kraftig regn, Beliggenhed, størrelse og varighed.

Undersøgelsen ledes af Dev Niyogi, Indiana State klimatolog og Purdue University professor i agronomi og jord, atmosfæriske og planetariske videnskaber.

Studiet, et samarbejde mellem forskere fra USA og Indien, er støttet af U.S. National Science Foundation, Indian Ministry of Earth Sciences National Monsoon Mission og Indo-US Science and Technology Foundation. Det blev designet til at forbedre simuleringer af tordenvejr og nedbør over den indiske monsunregion. Niyogi sagde, at tordenvejr og kraftig regn ofte er indlejret i større stormklynger som en del af monsunregnen, gør deres forudsigelse til en vedvarende udfordring.

"Størstedelen af ​​den forskning, der udføres i monsunregn, fokuserer på at forstå og modellere store meteorologiske omgivelser, specifikt oceaniske mønstre og påvirkninger, " sagde Niyogi. "Denne undersøgelse viser, at ligesom oceaniske processer er vigtige for storstilede monsuntræk, Inkorporering af jordfugtighed og landstatus kan give forbedret forudsigelighed for de regionale tordenvejrsklynger og nedbør i disse storme."

Niyogi sagde, at modelleringsrammen er blevet udviklet til applikationer i forskellige dele af verden, efter indledende test og anvendelse i USA.

"For Indien, vi ved, at monsunregnen er drevet af processer i stor skala, og vi var oprindeligt skeptiske over for forbedringer, vi vil se i prognoserne ved at forbedre lokale landforhold, "Sagde Niyogi." Alligevel beviser fra arbejde i USA og de teoretiske overvejelser tydede på, at forbedret landrepræsentation kan hjælpe med at forbedre simuleringen af ​​de regionale storme og tilhørende energi, så disse modelleringseksperimenter blev udført. Vi oplever, at jord påvirker og påvirker timingen, Beliggenhed, intensitet og varighed af kraftige regnbegivenheder. Forbedring af landstaten hjælper derfor direkte med at forbedre nedbørsprognosen, især for farlige, situationer med kraftig regn."

Undersøgelsen fandt, at at tage tilgængelige satellit- og overfladeobservationer inden for et såkaldt "Land Data Assimilation System (LDAS)"-ramme var i stand til at give landoverfladetilstanden, før der dannes storme. At inkludere disse oplysninger i vejrudsigtsmodellerne førte til forbedringer i de regionale atmosfæriske opvarmningsmønstre, vindcirkulation og skyforudsigelser. Som resultat, den forbedrede model kunne effektivt forudsige, hvor og hvornår disse tordenvejr og kraftige regnmængder ville forekomme.

Den indiske monsunregion oplever hyppige og ofte skadelige tordenvejr. Meteorologer fortsætter med at søge efter måder at forudsige dem mere præcist, sagde undersøgelsen. Urbanisering og ændrede landbrugspraksis har også ændret jordens opvarmnings- og luftstrømsmønstre, hvilket betyder, at forudsigelser baseret på ældre basisdata ikke afspejler regionale jordkarakteristika.

"Realistiske landforhold skal tages i betragtning i vejrudsigtsmodellerne for at hjælpe med at forbedre vores forudsigelsesmuligheder for tordenvejr, " sagde Niyogi. "Vi udviklede datasæt i høj opløsning med information om jordfugtighed og temperatur, som ikke var tilgængelige før, og fandt ud af, at introduktion af denne information kan forbedre forudsigelser om tordenvejr."

Modellen har nogle begrænsninger, Niyogi bemærkede. Mens den LDAS-forbedrede vejrmodel var mere følsom over for korte regnskyl, det havde også en tendens til at overvurdere nedbør under visse forhold. På den anden side, modellen underforudsagde udviklingen af ​​tordenvejr i områder med kompleks topografi. Fremtidigt arbejde vil fokusere på at forbedre modellens input for at gøre forudsigelser mere realistiske og nøjagtige ved hjælp af en række nye tilgængelige satellitdatasæt både fra USA og Indien, sagde Niyogi.

Det næste skridt for Niyogis team er at lave en gitterklimatologi af jordfugtighed, jordtemperaturfelter, der kan bruges til vejrudsigter og vurderinger af oversvømmelser eller tørke.

"Målet er at fortsætte med at udvikle disse datasæt og omsætte vores resultater til værktøjer, der hjælper med daglige prognoser, " sagde Niyogi. "Simpelt sagt, partnerskaberne mellem Purdue og indiske forskere fortsætter med at bruge nye data, videnskabelig forståelse og beregningsværktøjer til at tage den kollektive viden og udvikle løsninger på nogle af de mest presserende udfordringer, der konfronterer samfundsmæssig velvære."

Modellerne og den forbedrede videnskab begrænser sig ikke til en region og er globalt overførbare for at forbedre modeller, der hjælper med at forbedre stormudsigten i Indien såvel som i USA, sagde Niyogi.