Penn State-forskare är de första som använder data som erhållits från nyare nästa generations satelliter i en numerisk väderprognosmodell som används för att ge vägledning för prognos av tornadisk åskväder.

GOES-16, som lanserades 2016, nyligen blivit fullt operativ men metoder för att införliva data, tills nu, existerade inte.

Forskare använde en metod för all-sky infraröd strålning utvecklad genom Penn State's Center for Advanced Data Assimilation and Predictability Techniques (ADAPT), att införliva data i modeller för väderhändelser i Mellanvästern. Experimenten var hindcast, vilket innebär att modellerna kördes efter väderhändelsen och jämfördes med faktiska händelser. Modellen kunde förutsäga supercell-åskväder med atmosfäriska förhållanden som är mycket gynnsamma för tornados.

Resultaten, redovisas i Månatlig väderöversikt publicerad av American Meteorological Society, tyder på att vi avsevärt kan förbättra vår förmåga att förutsäga åskväder som kan producera tornados.

"Det är inte bara data som är viktiga, "Fuqing Zhang, professor i meteorologi och chef för ADAPT sa. "Det är så vi designar mycket sofistikerade numeriska matematiska algoritmer för att få in den satellitdatan i modellen. Detta är verkligen vår expertis och vår stolthet. Vårt team är det första som effektivt kan ta in denna högupplösta satellitdata och bevisa att det kan vara användbar i verkliga scenarier."

Det är viktigt att förutse tornadiska åskväder eftersom dessa händelser är särskilt snabba att bildas, svårt att förutsäga och kan orsaka katastrofala skador. Åskväder står för 40 procent av alla svåra väderhändelser i USA, orsakar 14 procent av skadorna och 17 procent av relaterade dödsfall, enligt National Climate Data Center.

"För många stormar i USA, vi har bra radardata, dock, det är väldigt svårt att använda någon av de befintliga teknikerna för att fånga miljö- och stormförhållandena innan stormen utvecklas helt, ", sade Zhang. "Vi kan förlänga varningstiden för dessa händelser eftersom satelliten kan titta på fältet redan innan molnen bildas och våra modeller kan ta in den informationen för att förbättra och föra fram prognoser."

Under de senaste 40 åren, ledtid för tornadovarning – vilket betyder tidsintervallet mellan det att en varning utfärdas och tromben inträffar – har ökat i genomsnitt från 3 till 14 minuter. Zhang sa att den här metoden kan förlänga ledtiden ytterligare.

"Forskare har gjort enorma förbättringar i trombens ledtider men, För många personer, 14 minuter räcker inte, sa David Stensrud, chef för institutionen för meteorologi och atmosfärisk vetenskap i Penn State. "Om du har en stor idrottsarena eller ett sjukhus tar det mer än 14 minuter att förbereda sig för väderhotet. Det finns verkligen ett behov av mer avancerade varningar. Vår forskning visar att vi genom att kombinera dataassimilering och högupplösta modeller kan få ledtider över 30 minuter. En fördubbling av ledtiden skulle få enorma potentiella samhällseffekter."

Bättre modeller och bättre data från GOES-16 kan också minska antalet falska larm, han sa.

Forskare arbetar med NOAA och National Weather Service för att förbereda algoritmerna för att inta dessa satellitdata för utbredd användning.

Satellitdata har visat sig vara svårt att använda i vädermodeller eftersom satelliter inte fångar nyckelvariabler som vindhastighet, tryck, temperatur och vattenånga. Men satelliter fångar data som kallas ljusstyrka temperatur, som visar hur mycket strålning som sänds ut av föremål på jorden och i atmosfären vid olika infraröda frekvenser. Med hjälp av strålglans från himlen, forskare kan använda ljusstyrketemperatur som fångas vid olika frekvenser för att måla en bild av molnformationer och vattenångfält.

I forskning som fortfarande är under granskning och profilerad i Nature, Zhang och hans kollegor visar att denna metod förutspådde att orkanen Harvey skulle nå en kategori 4 medan befintliga modeller förutsäger den som en kategori 1. Harvey blev den första kategori 4-orkanen som landade längs Texaskusten sedan 1961.

GOES-16 täcker en sjättedel av jorden, inklusive den östra delen av USA och hela Atlanten, och är geostationär. Den ersätter GOES-13, erbjuder dataupplösning i en skala något större än en halv mil, mycket bättre än sin föregångare på 2,5 miles, och med data tillgänglig var 5:e minut eller mindre.

Den ökade rumsliga och tidsmässiga upplösningen är viktig eftersom den ger mycket mer information om vad som händer i åskväder, orkaner och andra svåra väderhändelser. Satelliten använder 16 band av bilddata med hjälp av synligt och infrarött ljus för att avslöja faktorer som dimma, vindar, vegetation, snö och is, bränder, vattenånga och blixtar. Det är en av tre liknande satelliter i drift som tillsammans täcker nästan all beboelig mark och omgivande hav.