Nauwkeurige weersvoorspelling hangt af van een fundamenteel begrip van stormdynamiek en microfysica van wolken en hun weergave in numerieke weersvoorspellingsmodellen (NWP), evenals het optimale gebruik van multiparametermetingen met hoge resolutie, volgens professor Guifu Zhang aan de School of Meteorology, Universiteit van Oklahoma, en een van de auteurs van een recent gepubliceerd overzichtsartikel in Vooruitgang in atmosferische wetenschappen .

Na tientallen jaren van onderzoek en ontwikkeling, weerradarpolarimetrie is volwassen geworden en polarimetrische radargegevens met hoge resolutie (PRD) zijn nu nationaal en wereldwijd beschikbaar. Er is een hoge verwachting dat de rijke informatie die door PRD wordt verstrekt een groot potentieel heeft om de waarneming te verbeteren, kwantificering en voorspelling van het weer.

Hoewel met succes toegepast bij detectie van zwaar weer, hydrometeorclassificatie en kwantitatieve neerslagschatting (QPE), Professor Zhang en zijn collega's merken op dat de potentiële impact van PRD op de weersvoorspelling is beperkt door hun vaak subjectieve en empirische gebruik. "En de kloof tussen de radarmeteorologie/hydrologie/engineering en NWP-gemeenschappen, " zegt professor Zhang, "verhindert de realisatie van het volledige potentieel van radarpolarimetrie in QPF [kwantitatieve neerslagvoorspelling]."

Gezien de moeilijkheden die zich voordoen bij het optimale gebruik van deze nieuw beschikbare PRD en bij de verdere vooruitgang van de weerradartechnologie, evenals het overbruggen van de kloof tussen radarmeteorologie en NWP, Professor Zhang en zijn collega's stellen een systematische en uniforme benadering voor voor het optimale gebruik van PRD voor nauwkeurige QPE, QPF, en waarschuwingen op basis van statistische opvraging met fysieke modelbeperkingen wanneer voorafgaande informatie wordt gebruikt. Dit zou de op waarnemingen gebaseerde opvragingen (bovenste rij in de figuur) die door de radarmeteorologiegemeenschap worden gebruikt, koppelen aan modelgebaseerde analyse, ook wel data-assimilatie (DA) genoemd (onderste rij), gebruikt in de NWP-gemeenschap.

Zoals geïllustreerd in de middelste rij van de figuur (bruin), de voorwaartse operatoren, die het resultaat zijn van microfysica-modellering en elektromagnetische modellering, en statistische ophaalalgoritmen, zijn vereist voor zowel op observatie gebaseerde als op DA gebaseerde opvragingen. Elk van de opvragingen moet compatibele microfysica-modellen hebben, zoals DSD/PSD-modellen, en vorm/dichtheid relaties, elektromagnetische modellering en berekeningen die nauwkeurige en efficiënte voorwaartse observatie-operators opleveren, evenals statistische ophaalalgoritmen die meetfouten en achtergrondinformatie en covariantie kunnen verwerken.

“Om de best mogelijke resultaten te behalen, alle componenten moeten nauwkeurig worden bepaald en geselecteerd, en gebruikt in combinatie en kruisverificatie met elkaar in de statistische ophaalalgoritmen, " concludeert professor Zhang.