Come eventi di inondazioni pesanti, compresi quelli di Houston, Texas, e Bombay, India, Continua, i team di ricerca della Purdue University e dell'India hanno lavorato per migliorare i modelli che possono aiutare a prevedere forti precipitazioni dovute a eventi meteorologici.

I ricercatori hanno scoperto che includere una rappresentazione migliorata di quanto sia calda e bagnata la superficie terrestre prima che si formi una tempesta fornisce informazioni significative che portano a miglioramenti nella previsione dei tempi di pioggia intensa, Posizione, grandezza e durata.

Lo studio è condotto da Dev Niyogi, Climatologo dello stato dell'Indiana e professore di agronomia e terra alla Purdue University, scienze atmosferiche e planetarie.

Lo studio, una collaborazione tra ricercatori degli Stati Uniti e dell'India, è supportato dalla US National Science Foundation, Missione monsonica nazionale del Ministero indiano delle scienze della terra e la Fondazione scientifica e tecnologica indo-americana. È stato progettato per migliorare le simulazioni di temporali e precipitazioni nella regione dei monsoni indiani. Niyogi ha detto che i temporali e le forti piogge sono spesso incorporati in gruppi di tempeste più grandi come parte delle piogge monsoniche, rendendo la loro previsione una sfida continua.

"La maggior parte della ricerca condotta sulle precipitazioni monsoniche si concentra sulla comprensione e sulla modellazione di impostazioni meteorologiche su larga scala, modelli e influenze specificamente oceaniche, " Niyogi ha detto. "Questo studio mostra che, proprio come i processi oceanici sono importanti per le caratteristiche dei monsoni su larga scala, incorporare l'umidità del suolo e lo stato del suolo può fornire una migliore prevedibilità per i cluster di temporali regionali e le precipitazioni all'interno di queste tempeste".

Niyogi ha affermato che il framework di modellazione è stato sviluppato per applicazioni in diverse parti del mondo, dopo i test iniziali e l'applicazione negli Stati Uniti.

"Per l'India, sappiamo che le piogge monsoniche sono guidate da processi su larga scala e inizialmente eravamo scettici sui miglioramenti che vedremo nelle previsioni migliorando le condizioni del terreno locale, " disse Niyogi. "Eppure, le prove del lavoro negli Stati Uniti e le considerazioni teoriche hanno suggerito che una migliore rappresentazione del territorio può aiutare a migliorare la simulazione delle tempeste regionali e l'energia associata, quindi sono stati intrapresi questi esperimenti di modellazione. Scopriamo che la terra influenza e influenza i tempi, Posizione, intensità e durata degli eventi di pioggia intensa. Migliorare lo stato del territorio quindi aiuta direttamente a migliorare la previsione delle precipitazioni, soprattutto per pericolosi, situazioni di forte pioggia."

Lo studio ha scoperto che l'acquisizione di osservazioni satellitari e di superficie disponibili all'interno di un cosiddetto framework "Land Data Assimilation System (LDAS)" è stata in grado di fornire lo stato della superficie terrestre prima che si formassero le tempeste. L'inclusione di queste informazioni nei modelli di previsione meteorologica ha portato a miglioramenti nei modelli regionali di riscaldamento atmosferico, circolazione del vento e previsioni delle nuvole. Di conseguenza, il modello avanzato potrebbe prevedere in modo efficiente dove e quando si verificheranno questi temporali e le bande di forti piogge.

La regione monsonica indiana è soggetta a frequenti e spesso dannosi temporali. I meteorologi continuano a cercare modi per prevederli in modo più accurato, lo studio ha detto. L'urbanizzazione e il cambiamento delle pratiche agricole hanno anche alterato i modelli di riscaldamento e circolazione dell'aria del terreno, il che significa che le previsioni basate su dati di riferimento precedenti non riflettono le caratteristiche territoriali regionali.

"Le condizioni del terreno realistiche devono essere considerate nei modelli di previsione meteorologica per aiutare a migliorare le nostre capacità di previsione per i temporali, " ha detto Niyogi. "Abbiamo sviluppato set di dati ad alta risoluzione con informazioni sull'umidità e la temperatura del suolo, che prima non erano disponibili, e ha scoperto che l'introduzione di queste informazioni può migliorare le previsioni sui temporali".

Il modello ha alcune limitazioni, ha notato Niyogi. Mentre il modello meteorologico migliorato dall'LDAS era più sensibile a brevi raffiche di pioggia, tendeva anche a sovrastimare le precipitazioni in determinate condizioni. D'altra parte, il modello ha sottostimato lo sviluppo di temporali in regioni con topografia complessa. Il lavoro futuro si concentrerà sul miglioramento degli input del modello per rendere le previsioni più realistiche e accurate utilizzando una varietà di set di dati satellitari appena disponibili sia dagli Stati Uniti che dall'India, disse Niyogi.

Il prossimo passo per il team di Niyogi è creare una climatologia a griglia dell'umidità del suolo, campi di temperatura del suolo che possono essere utilizzati per previsioni meteorologiche e valutazioni di inondazioni o siccità.

"L'obiettivo è continuare a sviluppare questi set di dati e tradurre i nostri risultati in strumenti che aiutino le previsioni quotidiane, " Niyogi ha detto. "In poche parole, le partnership tra Purdue e ricercatori indiani continuano a utilizzare nuovi dati, comprensione scientifica e strumenti computazionali per prendere la conoscenza collettiva e sviluppare soluzioni per alcune delle sfide più urgenti che affrontano il benessere della società".

I modelli e la scienza migliorata non si limitano a una regione e sono trasferibili a livello globale per migliorare i modelli che aiutano a migliorare la previsione delle tempeste in India e negli Stati Uniti, disse Niyogi.