• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  •  science >> Scienza >  >> Natura
    Fino a che punto andare per la previsione di immagini cloud satellitari in funzione?

    Distribuzioni delle temperature di luminosità simulate (a sinistra) e osservate (a destra) alla 24a ora, Credito:Science China Press

    Il cloud è un tracciante per una serie di cambiamenti climatici significativi. Le immagini delle nuvole ottenute dal telerilevamento satellitare sono di grande aiuto ai meteorologi per comprendere i processi meteorologici passati e presenti in modo macroscopico. Le previsioni effettuate direttamente tramite le immagini delle nuvole satellitari sono uno degli obiettivi principali di meteorologi e meteorologi. Recenti studi hanno dimostrato che è possibile produrre previsioni di immagini di nuvole satellitari fino a decine di ore.

    Un documento di ricerca scritto da Shi Xiaokang, Li Yaodong, Liu Jianwen, Xiang Xizi, e Liu Le, dell'Istituto meteorologico dell'aviazione di Pechino, presentare un metodo per simulare le immagini della nuvola a infrarossi FY-2-D, e analizza in dettaglio gli effetti degli errori di simulazione nei parametri numerici delle nuvole meteorologiche regionali WRF sull'accuratezza della simulazione della temperatura di luminosità del canale a infrarossi FY-2-D.

    Adottando i prodotti del modello di previsione meteorologica numerica regionale ad alta risoluzione WRF e il modello di trasferimento delle radiazioni in avanti RTTOV, i cinque ricercatori hanno tentato di simulare la temperatura di luminosità del canale infrarosso di un satellite meteorologico geostazionario, e lo ha confrontato con le immagini reali della nuvola satellitare.

    I risultati mostrano che i coefficienti di correlazione delle temperature di luminosità simulate e osservate dei quattro canali infrarossi sono tutti maggiori di 0,5 da zero a 24 ore, e l'errore quadratico medio (RMSE) di ciascun canale è controllato da 10 a 27 K, che è migliore di quello del risultato della ricerca precedente da 20 a 40K. Il modello di distribuzione e la struttura del sistema meteorologico riflesso dall'immagine della nuvola prevista hanno un'elevata somiglianza con l'immagine della nuvola satellitare effettiva, che può fornire un certo riferimento per la previsione del tempo.

    Il successo o il fallimento della previsione dell'immagine cloud dipende principalmente da due fattori:l'accuratezza delle previsioni meteorologiche numeriche, e la razionalità del modello di trasferimento di radiazione. La cosa più critica per le previsioni meteorologiche numeriche è la struttura della temperatura e dell'umidità atmosferica del modello e la precisione e l'accuratezza delle previsioni di processo su macro e microscala delle nuvole, mentre il modello di trasferimento della radiazione si concentra sulla descrizione accurata delle diverse strutture atmosferiche, in particolare i processi meteorologici nuvolosi e piovosi.

    L'enfasi di questa ricerca è posta sulla simulazione e sulla verifica degli effetti della sensibilità dell'attuale modello generale di trasferimento rapido della radiazione ai prodotti di previsione macro e micro delle nuvole del modello numerico. I risultati mostrano che il miglioramento della capacità di previsione del modello e l'adattabilità del modello di trasferimento delle radiazioni a diversi processi cloud sarà una direzione importante per la ricerca futura.

    Le nuvole in continua evoluzione sono difficili da prevedere. L'attuale previsione dell'immagine cloud può fornire solo alcuni riferimenti per lo sviluppo di sistemi cloud su larga scala e con cicli di vita più lunghi. Però, con il progresso della tecnologia, previsioni meteorologiche numeriche ad alta precisione per vari tipi di processi meteorologici è destinato a diventare più forte, e il modello di trasferimento delle radiazioni diventerà più ragionevole. Quindi la previsione delle immagini satellitari delle nuvole che possono riflettere direttamente il cambiamento macroscopico delle nuvole sarà più vicina all'applicazione operativa.


    © Scienza https://it.scienceaq.com