Kredit:CC0 Public Domain
I numerisk väderprognosforskning, hur man kan förbättra kortsiktiga prognoser av tropisk cyklonintensitet är ett utmanande problem som länge har plågat meteorologer och operativa prognosmakare, trots att meteorologer har ökat noggrannheten i det initiala fältet genom att öka observationerna i antingen kvantitet eller kvalitet. Så, vad mer saknar vi?
Enligt en nyligen publicerad studie i Framsteg inom atmosfärsvetenskap , den saknade biten av sticksågen minskar modellfelet för numeriska väderprognosmodeller.
Det finns många orsaker till modellfel, såsom vår ofullständiga förståelse av fysiska processer för tropiska cykloner, osäkerheten i många parametrar för parameteriseringsscheman, den otillräckligt fina upplösningen, trunkerade fel, och överförenkling av parametreringsscheman för att spara på beräkningskostnader, och så vidare.
"Det skulle kosta för mycket [beräkningsmässigt] om vi försöker övervinna alla modellfel från olika källor en efter en, sa Duan Wansuo, en senior vetenskapsman från Institute of Atmospheric Physics (IAP) vid den kinesiska vetenskapsakademin.
Duans team föreslog en ny idé för att lösa ovanstående problem, baserad på metoden NFSV (Nolinear Forcing Singular Vector), vilket också föreslogs av teamet. "Vi överväger modellfelen, orsakas av olika källor, som helhet för att utforska deras inverkan på prognosnoggrannheten, " han sa.
Genom denna metod, teamet använde WRF-modellen för att identifiera osäkerheten för vilken variabel och vilket område som är mer sannolikt att orsaka stora fel i kortsiktiga prognoser för tropisk cyklonintensitet.
Med tanke på egenskaperna hos observationer gjorda av Fengyun-4-satelliten, de använde ovanstående metod och identifierade att osäkerheten i förändringshastigheten i atmosfärstemperaturen i de mellersta och nedre skikten av tyfonens kärnområde har störst inverkan på osäkerheten i tyfonens simulering.
"Satelliter kan adaptivt samla in motsvarande observationer i en given region, som sedan kommer att användas ytterligare för att minska modellfelen och förbättra kortsiktiga prognoser för tropisk cyklonintensitet, sa Duan.