Som kraftiga översvämningshändelser, inklusive de i Houston, Texas, och Mumbai, Indien, Fortsätta, forskarlag från Purdue University och Indien har arbetat med att förbättra modellerna som kan hjälpa till att förutsäga kraftiga regn från väderhändelser.
Forskarna fann att inklusive en förbättrad representation av hur varm och våt landytan är innan en storm bildas ger betydande information som leder till förbättringar i förutsägelsen av tidpunkten för kraftigt regn, plats, storlek och varaktighet.
Studien leds av Dev Niyogi, Indiana state klimatolog och Purdue University professor i agronomy och jord, atmosfäriska och planetära vetenskaper.
Studien, ett samarbete mellan forskare från USA och Indien, stöds av U.S. National Science Foundation, Indian Ministry of Earth Sciences National Monsoon Mission och Indo-US Science and Technology Foundation. Den designades för att förbättra simuleringar av åskväder och regn över den indiska monsunregionen. Niyogi sa att åskväder och kraftiga regn ofta är inbäddade i större stormkluster som en del av monsunregnet, gör sin förutsägelse till en pågående utmaning.
"Majoriteten av forskningen som görs på monsunregn fokuserar på att förstå och modellera storskaliga meteorologiska miljöer, specifikt oceaniska mönster och influenser, " sade Niyogi. "Denna studie visar att, precis som oceaniska processer är viktiga för storskaliga monsundrag, Att införliva markfuktighet och markstatus kan ge förbättrad förutsägbarhet för de regionala åskskurarna och nederbörden i dessa stormar."
Niyogi sa att modelleringsramverket har utvecklats för applikationer i olika delar av världen, efter inledande testning och tillämpning i USA.
"För Indien, vi vet att monsunregnet drivs av storskaliga processer och vi var från början skeptiska till förbättringar som vi kommer att se i prognoserna genom att förbättra lokala landförhållanden, sade Niyogi. Ändå, bevis från arbete i USA och de teoretiska övervägandena tydde på att förbättrad landrepresentation kan hjälpa till att förbättra simuleringen av de regionala stormarna och tillhörande energi, så dessa modelleringsexperiment genomfördes. Vi finner att mark påverkar och påverkar tidpunkten, plats, intensitet och varaktighet av kraftiga regnhändelser. Att förbättra landstaten bidrar därför direkt till att förbättra förutsägelsen av nederbörd, speciellt för farliga, kraftiga regnsituationer."
Studien fann att genom att ta tillgängliga satellit- och ytobservationer inom ett så kallat "Land Data Assimilation System (LDAS)" ramverk kunde tillhandahålla landytan innan stormar bildas. Att inkludera denna information i väderprognosmodellerna ledde till förbättringar i de regionala atmosfäriska uppvärmningsmönstren, vindcirkulation och molnförutsägelser. Som ett resultat, den förbättrade modellen kunde effektivt förutsäga var och när dessa åskväder och kraftiga regnband skulle inträffa.
Den indiska monsunregionen upplever täta och ofta skadliga åskväder. Meteorologer fortsätter att söka efter sätt att förutsäga dem mer exakt, sa studien. Urbanisering och förändrade jordbruksmetoder har också förändrat markens uppvärmnings- och luftflödesmönster, vilket innebär att förutsägelser baserade på äldre baslinjedata inte återspeglar regionala markegenskaper.
"Realistiska landförhållanden måste beaktas i väderprognosmodellerna för att förbättra vår prognoskapacitet för åskväder, ", sa Niyogi. "Vi utvecklade högupplösta datamängder med information om markfuktighet och temperatur, som inte var tillgängliga tidigare, och fann att införandet av denna information kan förbättra åskväder förutsägelser."
Modellen har vissa begränsningar, Niyogi noterade. Medan den LDAS-förbättrade vädermodellen var mer känslig för korta regnskurar, den tenderade också att överskatta nederbörden under vissa förhållanden. Å andra sidan, modellen underförutspådde utvecklingen av åskväder i regioner med komplex topografi. Framtida arbete kommer att fokusera på att förbättra modellens indata för att göra förutsägelser mer realistiska och exakta med hjälp av en mängd nya tillgängliga satellitdataset både från USA och Indien, sa Niyogi.
Nästa steg för Niyogis team är att göra en rutnätsklimatologi av markfuktighet, marktemperaturfält som kan användas för väderprognoser och bedömningar av översvämningar eller torka.
"Målet är att fortsätta utveckla dessa datauppsättningar och översätta våra resultat till verktyg som hjälper dagliga prognoser, sade Niyogi. Enkelt uttryckt, partnerskapen mellan Purdue och indiska forskare fortsätter att använda nya data, vetenskaplig förståelse och beräkningsverktyg för att ta den samlade kunskapen och utveckla lösningar för några av de mest pressande utmaningarna som möter samhälleligt välbefinnande."
Modellerna och den förbättrade vetenskapen begränsar sig inte till en region och är globalt överförbara för att förbättra modeller som hjälper till att förbättra stormprognoser i Indien såväl som i USA, sa Niyogi.
