science >> Wetenschap >  >> Natuur

Een op bliksem gebaseerde nowcast-waarschuwingsaanpak om kortdurende regenval te voorspellen

Eerdere studies wezen op een wereldwijd toenemende trend van intense neerslaggebeurtenissen onder invloed van de opwarming van de aarde. Zware neerslaggebeurtenissen vergroten het risico op overstromingen, verwoestende gevolgen hebben voor de menselijke samenleving en het milieu, vooral voor metropolen met een dichte bevolking. Als een van de grootste steden ter wereld, Peking is zeer kwetsbaar voor steeds frequentere en intensere neerslaggebeurtenissen, zoals de stortregens op 21 juli 2012, toen de stad de zwaarste regenval van de afgelopen decennia ondervond met een recordhoeveelheid van 460 mm in 18 uur. Wetenschappers hebben ontdekt dat kortdurende regenval (SDR) (een regenval van 6 uur of minder) de totale hoeveelheid regen in Peking in de zomer domineert. en de hoeveelheid regenval van SDR-evenementen is de afgelopen decennia aanzienlijk toegenomen. Dus, het is van groot belang om nauwkeurige voorspellingen te doen van SDR-gebeurtenissen - iets dat een aanzienlijke uitdaging blijft voor wetenschappers en voorspellers.

Wetenschappers hebben bliksem opgemerkt en benut om naderende regenbuien te voorspellen, maar er zijn weinig krachtige voorspellings- of waarschuwingsmethoden beschikbaar voor de regenval die door dergelijke regenbuien wordt veroorzaakt, met name SDR-gebeurtenissen. Na het bestuderen van de relatie tussen bliksem en neerslag boven Peking tijdens de warme seizoenen van 2006 en 2007, wetenschappers van het Institute of Atmospheric Physics, Chinese Academie van Wetenschappen (Fan Wu en Xiaopeng Cui) en hun co-auteur (Da-lin Zhang, University of Maryland) een op bliksem gebaseerde nowcast-waarschuwingsbenadering ontwikkeld voor SDR-evenementen, en testte vervolgens zijn prestaties boven de metropoolregio Peking (BMR). Hun bevindingen zijn onlangs gepubliceerd in Atmosferisch onderzoek . De nieuwe aanpak maakt gebruik van sterk toenemende snelheden van bliksemflitsen, bliksemsprongen genoemd, waargenomen door bliksemlocatiesystemen, om vroegtijdige waarschuwingen te geven voor SDR-gebeurtenissen. Verschillend van eerdere waarschuwingsbenaderingen voor andere ernstige weersomstandigheden veroorzaakt door regenbuien (bijv. tornado's, hagel en windstoten), bij deze benadering, een snelle stijging van de neerslagsnelheid (aangeduid als een regenval) in een SDR-gebeurtenis wordt gekozen als waarschuwingsdoel. De nowcast-waarschuwingsbenadering die in deze studie werd voorgesteld, was ontworpen voor twee soorten SDR-gebeurtenissen, namelijk:die met matige en intense regenval.

Voor nauwkeurigere voorspellingen van SDR-gebeurtenissen, de auteurs ontwikkelden graduele nowcast-waarschuwingsmodellen door de parameters in het bliksemsprongalgoritme te wijzigen op basis van hun nieuwe aanpak. Deze modellen kunnen verschillende signalen afgeven op basis van de intensiteit van de bliksemsprong om de nowcast-waarschuwingsprestaties te verbeteren. De modellen maken gebruik van laagwaardige waarschuwingssignalen om zoveel mogelijk SDR-gebeurtenissen vast te leggen, en profiteer van hoogwaardige waarschuwingssignalen om de waarschuwingsbetrouwbaarheid te verbeteren. Om de prestaties van de modellen te controleren, in totaal werden 870 matige en 452 intense SDR-gebeurtenissen over de BMR geselecteerd. De resultaten toonden bemoedigende modelprestaties. De waarschuwingsmodellen gaven succesvolle vroege waarschuwingen voor 67,8% (87,0%) van de matige (intense) SDR-gebeurtenissen, met valse alarmen van 27,0% (22,2%). In aanvulling, de modellen gaven een langere gemiddelde waarschuwingstijd voor de intense SDR-gebeurtenissen (52,0 minuten) dan de gematigde (36,7 minuten).

Eindelijk, de auteurs valideerden de modellen verder met behulp van drie typische zware regen-producerende stormen die onafhankelijk waren van de stormen die werden gebruikt om de modellen te ontwikkelen. De resultaten toonden aan dat de modellen een bemoedigend waarschuwingsvermogen bieden voor SDR-gebeurtenissen van regionale tot meso-γ schalen. "Onze aanpak biedt een nieuw perspectief op het voorspellen van SDR-gebeurtenissen, " zegt prof. Xiaopeng Cui, de corresponderende auteur van de studie.