Due volte al giorno, i palloni meteorologici vengono rilasciati nell'atmosfera da 700 località in tutto il mondo per osservare le condizioni nell'alta atmosfera. Dagli anni '20, ci sono stati decine di milioni di questi lanci di radiosonde, producendo un enorme archivio di dati che è fondamentale per le previsioni meteorologiche e la modellazione del clima. In un insieme di dati così ampio, errori inevitabili possono influenzare significativamente i risultati della modellazione.

Ying Sole, Professore assistente di matematica applicata e scienze computazionali della King Abdullah University of Science and Technology (KAUST) dell'Arabia Saudita, ha collaborato con ricercatori della Colorado School of Mines e della Baylor University, NOI, sviluppare un metodo per rimuovere questi errori utilizzando un'analisi statistica robusta dei dati.

"Una radiosonda è un piccolo, pacchetto di strumenti consumabili che è sospeso sotto un pallone largo due metri riempito con idrogeno o elio, " ha spiegato Sun. "I sensori sulla radiosonda misurano l'altezza, pressione, temperatura e punto di rugiada; calcolano anche la velocità e la direzione del vento tracciando la posizione della radiosonda in volo. Le osservazioni radiosonde sono le uniche misurazioni dirette dell'alta atmosfera terrestre, rendendoli vitali per i dati satellitari, previsioni meteorologiche e ricerche climatologiche.

I molti errori dei dati sono "troppi per essere corretti a mano, quindi abbiamo bisogno di un metodo automatico per identificare tali errori casuali, " ha spiegato Sole.

Esistono metodi automatici per rimuovere errori sistematici dai dati, come cambiamenti di posizione o unità di misura. Però, non c'è stato modo di rimuovere i dati veramente errati, compresi errori di immissione dei dati, errori di trasmissione o tracciamento impreciso del pallone senza cancellare anche misurazioni estreme ma reali, che sono alcuni dei dati più importanti per le previsioni. Guardando in particolare ai dati del vento, Sun ei suoi collaboratori hanno sviluppato un approccio statistico che ottiene una solida differenziazione tra valori estremi ed errori casuali.

"Il nostro approccio considera una distribuzione più realistica del vettore del vento che è distorta con una lunga coda di rari valori estremi, ", ha affermato Sun. "Questo rende possibile contrassegnare le osservazioni che molto probabilmente sono errori come potenziali valori anomali senza rimuovere i valori estremi".

Oltre alla sua applicazione ai nuovi dati giornalieri, questo schema di rilevamento degli errori può essere utilizzato anche sugli enormi volumi di osservazioni radiosonde conservate negli archivi di tutto il mondo.

"Stiamo sviluppando un metodo di rilevamento dei valori anomali veloce e automatico. Potremo utilizzare questo metodo per elaborare rapidamente i milioni di record nell'archivio, " ha detto Sun. "Stiamo anche considerando il possibile effetto del cambiamento climatico durante lo sviluppo del nuovo metodo".