Sedan eran av meteorologiska satelliter började på 1950-talet, kontinuerliga förbättringar av fjärranalysinstrument har höjt jordvetenskapen och har väsentligt ökat tillgängliga atmosfäriska observationer. Likaså, forskare har gjort betydande framsteg när det gäller att förstå jordens atmosfär, klimat, och miljö.

Ytterligare tillväxt av atmosfärsvetenskap under de senaste 20 åren, satellitbaserade infraröda (IR) ekolod ombord på satelliter med låg omloppsbana om jorden (LEO) har gett höga spektrala (eller hyperspektrala) IR-strålningar. Dessa ekolod kan fastställa små skillnader i reflekterade IR-våglängder, som hjälper till att identifiera olika mål i atmosfären. Dessa data har avsevärt förbättrat globala numeriska väderprognoser (NWP) modellering och prognoser.

Trots global täckning, varje LEO -ekolod ger observationer endast två gånger om dagen för en given plats. Dock, de hyperspektrala IR-ekolod från geostationära satelliter som kretsar runt jorden (GEO) kan ge högre upplösning 4D-temperatur (inklusive tid), fukt, och dynamisk rörelseinformation som behövs för att initiera, eller starta en modellsimulering. För att exakt återspegla atmosfäriska förändringar under en hel 24-timmarsperiod, LEO-satelliter kan tillhandahålla mer frekventa datauppdateringar för NWP-modeller att använda.

Forskare utvecklar dataassimileringsmetoder för NWP -modeller som kommer att öka kvaliteten på initialiseringsdata från satelliter. Observing System Simulation Experiment (OSSE) är utformat för att använda dataassimilering för att undersöka den potentiella påverkan av framtida atmosfäriska observationssystem. Traditionella OSSE-processer kräver betydande ansträngningar för att beräkna, simulera, och kalibrera information, assimilera sedan data för att producera en prognos. Därför, modellmeteorologer arbetar för att göra denna process mer effektiv.

"Vi studerade mervärdet från ett GEO-hyperspektral IR ekolod med hjälp av hybrid OSSE-metoden." sa prof. Jun Li, en framstående vetenskapsman vid University of Wisconsin-Madison Cooperative Institute for Meteorological Satellite Studies.

Jämfört med det traditionella OSSE, i en hybrid OSSE, de flesta data är verkliga observationer, förutom observationer från nya sensorer, som simuleras ofta genom små rutnät, högupplöst global atmosfärisk analys eller omanalys. Ett detaljerat förslag på hybrid OSSE-applikationer ingår i en ny artikel publicerad i Framsteg inom atmosfärsvetenskap , som också är en del av ett specialnummer om Fengyun Meteorological Satellites:Data, Ansökan och bedömning

Innan de bedömde effekten av den nya metoden, Prof. Li och hans team var tvungna att validera simulerade strålningar från den nya GEO hyperspektrala IR -sensorn för att verifiera att simulering av nya sensordata skulle fungera i hybrid OSSE -systemet. De använde två lokala fall av kraftiga stormar från 2018 och 2019 i Great Plains och Midwestern USA för att utvärdera effekterna av mervärde från GEO hyperspektrala IR-data.

"Vi är glada över att finna förbättrad atmosfärstemperatur, fukt, och nederbördsprognoser, tillsammans med vissa förbättringar i vindprognoserna." kommenterade Prof. Li angående forskningsresultaten.

Övergripande, teamets effektstudie ger ett mervärde, vilket resulterar i en minskning med 5 % Root Mean Square Error (RMSE) när GEO hyperspektral IR-data används i stället för LEO-data. Detta indikerar potentiella tillämpningar av ett GEO hyperspektral IR-ekolod som kan förbättra lokala prognoser för svår storm.