Una previsione meteorologica accurata dipende da una comprensione fondamentale della dinamica delle tempeste e della microfisica delle nuvole e dalla loro rappresentazione nei modelli numerici di previsione meteorologica (NWP), nonché l'utilizzo ottimale di misurazioni multiparametriche ad alta risoluzione, secondo il professor Guifu Zhang alla Scuola di Meteorologia, Università dell'Oklahoma, e uno degli autori di un articolo di revisione pubblicato di recente in Progressi nelle scienze dell'atmosfera .

Dopo decenni di ricerca e sviluppo, la polarimetria radar meteorologica è maturata e i dati radar polarimetrici ad alta risoluzione (PRD) sono ora disponibili a livello nazionale e globale. C'è una grande aspettativa che le ricche informazioni fornite dal PRD abbiano un grande potenziale per migliorare l'osservazione, quantificazione e previsione del tempo.

Sebbene impiegato con successo nel rilevamento di condizioni meteorologiche avverse, classificazione idrometeore e stima quantitativa delle precipitazioni (QPE), Il professor Zhang ei suoi colleghi notano che il potenziale impatto del PRD nelle previsioni meteorologiche è stato limitato dal loro uso spesso soggettivo ed empirico. "E il divario tra la meteorologia radar/idrologia/ingegneria e le comunità NWP, "dice il professor Zhang, "impedisce la realizzazione del pieno potenziale della polarimetria radar in QPF [previsione quantitativa delle precipitazioni]".

Considerando le difficoltà legate all'uso ottimale di questi nuovi PRD disponibili e all'ulteriore progresso della tecnologia radar meteorologica, oltre a colmare il divario tra meteorologia radar e NWP, Il professor Zhang e i suoi colleghi propongono un approccio sistematico e unificato all'uso ottimale del PRD per un QPE accurato, QPF, e avvisi basati sul recupero statistico con vincoli fisici del modello in cui vengono utilizzate informazioni precedenti. Ciò collegherebbe i recuperi basati sull'osservazione (riga superiore nella figura) utilizzati dalla comunità della meteorologia radar con l'analisi basata su modelli, indicato anche come assimilazione dei dati (DA) (riga in basso), utilizzato nella comunità NWP.

Come illustrato nella riga centrale della figura (marrone), gli operatori in avanti, che risultano dalla modellazione microfisica e dalla modellazione elettromagnetica, e algoritmi di recupero statistico, sono necessari sia per i recuperi basati sull'osservazione che per quelli basati su DA. Ciascuno dei recuperi deve avere modelli microfisici compatibili, come i modelli DSD/PSD, e relazioni forma/densità, modellazione e calcoli elettromagnetici che producono operatori di osservazione diretta accurati ed efficienti, nonché algoritmi di recupero statistico in grado di gestire errori di misurazione, informazioni di base e covarianza.

"Per ottenere i migliori risultati possibili, tutti i componenti devono essere accuratamente determinati e selezionati, e utilizzati in combinazione e verificati reciprocamente negli algoritmi di recupero statistico, " conclude il professor Zhang.