Data assimileringsmetode giver forbedret orkanprognose

Operationelle modeller for vejrudsigter forudsagde, at orkanen Harvey ville blive en kategori 1-orkan i 2017, ifølge University Corporation for Atmospheric Research. I stedet, det blev en massiv kategori 4 lige før det gik i land, at binde orkanen Katrina til den dyreste orkan nogensinde.

Nu kan en ny tilgang udviklet ved Penn State's Center for Advanced Data Assimilation and Predictability Techniques forudsige orkanen Harveys intensitet og bane, ifølge forskere ved Penn State og National Oceanographic and Atmospheric Administration.

Tilgangen brugte data fra GOES-16 satellitten, kombineret med Penn State's all-sky radiance-metode, som mere præcist modellerede orkanen Harvey. Dataene kaldes "all-sky", fordi de fanger data under alle vejrforhold, inklusive skyer og regn.

Arbejdet, ledet af Fuqing Zhang, fremtrædende professor i meteorologi og atmosfærisk videnskab ved Penn State, nu død, er første gang GOES-16 satellitdata blev brugt til at forudsige orkaner. Orkanen Harvey var den første større orkan fanget af GOES-16, som blev fuldt operationelt i 2017. Zhang døde i juli ikke længe efter at have fået konstateret kræft.

Da han diskuterede forskningen i juni, Zhang sagde, "Dette er stadig eksperimentelt. Vi har vist, at vi kan forbedre banen, position, intensiteten og strukturen af ​​denne særlige begivenhed. Vi mangler stadig at studere alle andre orkanbegivenheder med nye satellitdata, men dette giver os en masse løfter for fremtiden for orkanprognoser."

Zhang tilføjede, at denne undersøgelse, offentliggjort i Bulletin fra American Meteorological Society , antydet, at data for udstråling fra hele himlen i høj grad kunne gavne orkanprognoser generelt.

I denne proof-of-concept undersøgelse, forskere brugte hindcasting - ved at bruge data indsamlet under begivenheden, men analyserer det bagefter. Dette gjorde det muligt for forskere at finpudse de mest sigende data og forfine modellen yderligere.

Processen med at skabe driftsklare modeller tager ofte flere år. Det begynder med hindcastede modeller, før disse modeller testes sammen med eksisterende modeller for at se, om der er sket nogen forbedringer. Fordi vejrudsigt redder liv, modellerne gennemgår strenge procedurer og tests inden implementering.

All-sky radiance-tilgangen blev parret med en model udviklet ved National Center for Atmospheric Research med hjælp fra medlemmer af Penn State's Department of Meteorology and Atmospheric Science. Når modellen kører i en 24-timers periode, forskere fandt ud af, at assimilering af all-sky radiance data bedre reproducerede skyens intensitet og mønstre i kontrast til den nuværende model. Det førte til mere nøjagtige prognoser i både stormens øje og periferiudstyr.

Forskning viser, at almindelige unøjagtigheder i forudsigelse af orkanintensitet og struktur dage i forvejen primært kommer fra dårlig orkanhvirvelgenerering. Bedre forudsigelse af øjenvæggen og sekundære cirkulationer af en storm kunne føre til mere nøjagtig orkanforudsigelse, sagde Zhang.

"Vi vil fortsætte med at teste vores satellitdataassimileringssystem med flere orkaner for at se, om denne metode fungerer godt sammen med andre alvorlige vejrbegivenheder, " sagde Xingchao Chen, en assisterende forskningsprofessor ved Penn State, som var involveret i denne forskning. "Ud over hele himlens infrarøde udstråling, vi begynder at se på mikrobølgeudstråling, som effektivt trænger ind i overskyede områder."

Når forskere kontrasterede billeder skabt ved hjælp af modeller med og uden inkluderet all-sky radiance data, det viste ikke kun en markant forbedring i forhold til operationelle modeller, det skabte billeder næsten identiske med faktiske satellitbilleder under stormen. De operationelle modeller, der ikke kunne forudsige den hurtige intensivering af Harvey, omfattede National Oceanic and Atmospheric Administrations (NOAA) regional-skala Hurricane Weather Research and Forecasting Model, NOAAs globale prognosesystem, og det integrerede prognosesystem fra European Center for Medium Range Weather Forecasts.

"Det er det smukke ved at assimilere GOES-16 satellitten, " sagde Zhang. "Det ser næsten identisk ud med den faktiske observation. Brugen af ​​all-sky udstråling forbedrer ikke kun eksisterende modeller. Det gør en enorm forskel."