Sinds het tijdperk van meteorologische satellieten in de jaren vijftig begon, continue verbeteringen aan instrumenten voor teledetectie hebben de aardwetenschappen verheven en hebben de beschikbare atmosferische waarnemingen aanzienlijk vergroot. Hetzelfde, wetenschappers hebben aanzienlijke vooruitgang geboekt in het begrijpen van de atmosfeer van de aarde, klimaat, en Milieu.

Het bevorderen van de groei van de atmosferische wetenschap in de afgelopen 20 jaar, satellietgebaseerde infrarood (IR) sirenes aan boord van satellieten in een lage baan om de aarde (LEO) hebben hoge spectrale (of hyperspectrale) IR-stralingen geleverd. Deze sirenes kunnen kleine verschillen in gereflecteerde IR-golflengten bepalen, die helpen bij het identificeren van verschillende doelen van de atmosfeer. Deze gegevens hebben de modellering en voorspelling van de wereldwijde numerieke weersvoorspelling (NWP) aanzienlijk verbeterd.

Ondanks wereldwijde dekking, elke LEO-sirene levert slechts twee keer per dag waarnemingen voor een bepaalde locatie. Echter, de hyperspectrale IR-sounders van geostationaire satellieten in een baan om de aarde (GEO) kunnen een hogere resolutie 4D-temperatuur (inclusief tijd) leveren, vochtigheid, en dynamische bewegingsinformatie die nodig is om te initialiseren, of start een modelsimulatie. Om atmosferische veranderingen gedurende een volledige periode van 24 uur nauwkeurig weer te geven, LEO-satellieten kunnen frequentere gegevensupdates leveren voor gebruik door NWP-modellen.

Wetenschappers ontwikkelen methoden voor gegevensassimilatie voor NWP-modellen die de kwaliteit van initialisatiegegevens van satellieten zullen verbeteren. Het Observing System Simulation Experiment (OSSE) is ontworpen om gegevensassimilatie te gebruiken om de potentiële impact van toekomstige atmosferische observatiesystemen te onderzoeken. Traditionele OSSE-processen vergen aanzienlijke inspanning om te rekenen, simuleren, en kalibreer informatie, vervolgens assimileren de gegevens om een ​​prognose te produceren. Daarom, modelmeteorologen werken eraan om dit proces efficiënter te maken.

"We hebben de toegevoegde waarde van een GEO-hyperspectrale IR-sounder bestudeerd met behulp van de hybride OSSE-methode." zei prof. Jun Li, een vooraanstaand wetenschapper bij de University of Wisconsin-Madison Cooperative Institute for Meteorological Satellite Studies.

In vergelijking met de traditionele OSSE, in een hybride OSSE, de meeste gegevens zijn echte waarnemingen, behalve waarnemingen van nieuwe sensoren, die vaak worden gesimuleerd door middel van een klein raster, globale atmosferische analyse of heranalyse met hoge resolutie. Een gedetailleerd voorstel van hybride OSSE-toepassingen is opgenomen in een nieuw artikel dat is gepubliceerd in Vooruitgang in atmosferische wetenschappen , dat ook deel uitmaakt van een speciale uitgave over Fengyun Meteorologische Satellieten:Gegevens, Aanvraag en beoordeling

Voordat ze de impact van de nieuwe methode beoordeelden, Prof. Li en zijn team moesten gesimuleerde straling van de nieuwe GEO hyperspectrale IR-sensor valideren om te verifiëren dat het simuleren van nieuwe sensorgegevens zou werken in het hybride OSSE-systeem. Ze gebruikten twee lokale gevallen van zware stormen uit 2018 en 2019 in de Great Plains en het Midwesten van de Verenigde Staten om de toegevoegde waarde van de GEO-hyperspectrale IR-gegevens te evalueren.

"We zijn blij om een ​​verbeterde atmosferische temperatuur te vinden, vochtigheid, en neerslagvoorspellingen, samen met enkele verbeteringen in de windvoorspellingen", zegt prof. Li over de onderzoeksresultaten.

Algemeen, de impactstudie van het team biedt meerwaarde, wat resulteert in een 5% Root Mean Square Error (RMSE) reductie wanneer GEO hyperspectrale IR-gegevens worden gebruikt in plaats van LEO-gegevens. Dit duidt op mogelijke toepassingen van een GEO hyperspectrale IR-sirene die de lokale voorspellingen voor zware stormen kan verbeteren.