Los investigadores de Penn State son los primeros en utilizar los datos obtenidos de los satélites recientes de la próxima generación en un modelo numérico de predicción del tiempo utilizado para proporcionar orientación para la predicción de tormentas eléctricas.
GOES-16, que se lanzó en 2016, recientemente entró en funcionamiento pero los métodos para incorporar los datos, hasta ahora, no existían.
Los investigadores utilizaron un método para la radiación infrarroja de todo el cielo desarrollado a través del Centro de Técnicas Avanzadas de Asimilación y Previsibilidad de Datos de Penn State ADAPT, para incorporar datos en los modelos de eventos climáticos en el Medio Oeste. Los experimentos se realizaron a posteriori, lo que significa que los modelos se ejecutarondespués del evento climático y comparado con eventos reales, el modelo pudo pronosticar tormentas de supercélulas con condiciones atmosféricas que son muy propicias para los tornados.
Los resultados, reportados en Revisión mensual del clima publicado por la American Meteorological Society, sugiere que podemos mejorar en gran medida nuestra capacidad de predecir tormentas eléctricas capaces de producir tornados.
"No son solo los datos lo que importa", dijo Fuqing Zhang, profesor de meteorología y director de ADAPT. "Es cómo diseñamos algoritmos matemáticos numéricos muy sofisticados para incorporar esos datos de satélite en el modelo. Esta es realmente nuestra experiencia y nuestroorgullo. Nuestro equipo es el primero en ser capaz de captar de manera efectiva estos datos satelitales de alta resolución y demostrar que pueden ser útiles en situaciones reales ".
Pronosticar tormentas eléctricas tornádicas es importante porque estos eventos son especialmente rápidos, difíciles de predecir y pueden causar daños catastróficos. Las tormentas eléctricas representan el 40 por ciento de todos los eventos climáticos severos en los Estados Unidos, causando el 14 por ciento de los daños y el 17 por ciento de los relacionadosmuertes, según el Centro Nacional de Datos Climáticos.
"Para muchas tormentas en los Estados Unidos, tenemos buenos datos de radar, sin embargo, es muy difícil usar cualquiera de las tecnologías existentes para capturar las condiciones ambientales y de tormenta antes de que la tormenta se desarrolle totalmente", dijo Zhang. "Podemospara extender el tiempo de advertencia para estos eventos porque el satélite puede mirar el campo incluso antes de que se formen las nubes y nuestros modelos pueden ingerir esa información para mejorar y avanzar los pronósticos ".
En los últimos 40 años, el tiempo de espera de la advertencia de tornado, es decir, el intervalo de tiempo entre el momento en que se emite una advertencia y el tornado, ha aumentado en promedio de 3 a 14 minutos. Zhang dijo que este método podría extender ese tiempo de esperaAún más.
"Los investigadores han realizado grandes mejoras en los tiempos de espera de los tornados, pero, para muchas personas, 14 minutos no son suficientes", dijo David Stensrud, jefe del Departamento de Meteorología y Ciencia Atmosférica de Penn State. "Si tienes un gran deporte".Un estadio o un hospital tardan más de 14 minutos en prepararse para la amenaza climática. Ciertamente existe la necesidad de advertencias más avanzadas. Nuestra investigación indica que al combinar la asimilación de datos y los modelos de alta resolución podemos obtener plazos de entrega más allá de los 30 minutos.el tiempo de entrega tendría un enorme impacto social potencial "
Mejores modelos y mejores datos suministrados por GOES-16 también podrían reducir las tasas de falsas alarmas, dijo.
Los investigadores están trabajando con NOAA y el Servicio Meteorológico Nacional para preparar los algoritmos para ingerir estos datos satelitales para un uso generalizado.
Los datos de satélite han demostrado ser difíciles de usar en modelos meteorológicos porque los satélites no capturan variables clave como la velocidad del viento, la presión, la temperatura y el vapor de agua. Pero los satélites capturan datos conocidos como temperatura de brillo, que muestran la cantidad de radiación emitida por los objetos enTierra y en la atmósfera a diferentes frecuencias infrarrojas. Usando la radiación de todo el cielo, los investigadores pueden usar la temperatura de brillo capturada en diferentes frecuencias para pintar una imagen de formaciones de nubes y campos de vapor de agua.
En una investigación que todavía está bajo revisión y perfilada en Nature, Zhang y sus colegas muestran que este método pronosticó que el huracán Harvey alcanzaría una categoría 4 mientras que los modelos existentes lo pronostican como categoría 1. Harvey se convirtió en el primer huracán de categoría 4 en tocar tierrala costa de Texas desde 1961.
GOES-16 cubre una sexta parte de la Tierra, incluida la porción oriental de los Estados Unidos y todo el Océano Atlántico, y es geoestacionaria. Reemplaza al GOES-13, ofreciendo resolución de datos a una escala ligeramente mayor de media milla, mucho mejor que su predecesor en 2.5 millas, y con datos disponibles cada 5 minutos o menos.
El aumento de la resolución espacial y temporal es importante porque ofrece mucha más información sobre lo que está ocurriendo dentro de tormentas eléctricas, huracanes y otros eventos climáticos severos. El satélite usa 16 bandas de datos de imágenes usando luz visible e infrarroja para revelar factores como la niebla, vientos, vegetación, nieve y hielo, incendios, vapor de agua y rayos. Es uno de los tres satélites similares en funcionamiento que cubren colectivamente casi todas las tierras habitables y los océanos circundantes.
La Administración Nacional Oceánica y Atmosférica opera el GOES con contribuciones de la NASA. El erudito posdoctoral Yunji Zhang contribuyó a esta investigación que fue financiada por la NASA.
Fuente de la historia :
Materiales proporcionado por Estado Penn . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :