Exakt väderförutsägelse beror på en grundläggande förståelse av stormdynamik och molnmikrofysik och deras representation i numeriska väderprognoser (NWP)-modeller, samt optimal användning av högupplösta multiparametermätningar, enligt professor Guifu Zhang vid School of Meteorology, University of Oklahoma, och en av författarna till en nyligen publicerad recensionsartikel i Framsteg inom atmosfärsvetenskap .

Efter årtionden av forskning och utveckling, väderradarpolarimetri har mognat och högupplösta polarimetriska radardata (PRD) är nu tillgängliga nationellt och globalt. Det finns höga förväntningar på att den rika information som tillhandahålls av PRD har stor potential att förbättra observationen, kvantifiering och prognoser av väder.

Även om den framgångsrikt använts vid upptäckt av svåra väderförhållanden, hydrometeorklassificering och kvantitativ nederbördsuppskattning (QPE), Professor Zhang och hans kollegor noterar att den potentiella påverkan av PRD i väderförutsägelser har begränsats av deras ofta subjektiva och empiriska användning. "Och gapet mellan radarmeteorologi/hydrologi/teknik och NWP-samhällen, säger professor Zhang, "förhindrar realiseringen av radarpolarimetrins fulla potential i QPF [kvantitativ nederbördsprognos]."

Med tanke på de svårigheter som är involverade i optimal användning av dessa nyligen tillgängliga PRD och i att ytterligare avancera väderradarteknik, samt att överbrygga gapet mellan radarmeteorologi och NWP, Professor Zhang och hans kollegor föreslår ett systematiskt och enhetligt tillvägagångssätt för optimal användning av PRD för korrekt QPE, QPF, och varningar baserade på statistisk hämtning med fysiska modellbegränsningar där förhandsinformation används. Detta skulle koppla de observationsbaserade hämtningarna (översta raden i figuren) som används av radarmeteorologigemenskapen med modellbaserad analys, även kallad dataassimilering (DA) (nedre raden), används i NWP-gemenskapen.

Som illustreras i den mellersta raden av figuren (brun), forwardsoperatörerna, som är resultatet av mikrofysisk modellering och elektromagnetisk modellering, och statistiska hämtningsalgoritmer, krävs för både observationsbaserade och DA-baserade hämtningar. Var och en av hämtningarna måste ha kompatibla mikrofysikmodeller, såsom DSD/PSD-modeller, och form/densitetsrelationer, elektromagnetisk modellering och beräkningar som ger exakta och effektiva operatörer för framåtobservation, samt statistiska hämtningsalgoritmer som kan hantera mätfel och bakgrundsinformation och kovarians.

"För att uppnå bästa möjliga resultat, alla komponenter måste bestämmas och väljas exakt, och används i kombination och korsverifierade med varandra i de statistiska hämtningsalgoritmerna, " avslutar professor Zhang.