Dos veces al día, Los globos meteorológicos se lanzan a la atmósfera desde 700 lugares en todo el mundo para observar las condiciones en la atmósfera superior. Desde la década de 1920, ha habido decenas de millones de estos lanzamientos de radiosondas, producir un enorme archivo de datos que es fundamental para la predicción meteorológica y el modelado climático. En un conjunto de datos tan grande, los errores inevitables pueden afectar significativamente los resultados del modelado.

Ying Sun Profesor Asistente de Matemáticas Aplicadas y Ciencias Computacionales de la Universidad Rey Abdullah de Ciencia y Tecnología (KAUST) de Arabia Saudita, colaboró ​​con investigadores de la Escuela de Minas de Colorado y la Universidad de Baylor, NOSOTROS, Desarrollar un método para eliminar estos errores utilizando un análisis estadístico robusto de los datos.

"Una radiosonda es una pequeña Paquete de instrumentos desechables que está suspendido debajo de un globo de dos metros de ancho lleno de hidrógeno o helio, "explicó Sun". Los sensores de la radiosonda miden la altura, presión, temperatura y punto de rocío; también calculan la velocidad y la dirección del viento siguiendo la posición de la radiosonda en vuelo. Las observaciones de radiosondas son las únicas mediciones directas de la atmósfera superior de la Tierra, haciéndolos vitales para los datos satelitales, Investigación en predicción meteorológica y climatología.

Los muchos errores de los datos son "demasiados para corregirlos a mano, por lo que necesitamos un método automático para identificar tales errores aleatorios, "explicó Sun.

Existen métodos automáticos para eliminar errores sistemáticos de los datos, como cambios de ubicación o unidades de medida. Sin embargo, no ha habido forma de eliminar datos genuinamente erróneos, incluidos los errores de entrada de datos, errores de transmisión o seguimiento impreciso del globo sin borrar también medidas extremas pero reales, que son algunos de los datos más importantes para la predicción. Mirando específicamente a los datos del viento, Sun y sus colaboradores desarrollaron un enfoque estadístico que logra una diferenciación sólida entre valores extremos y errores aleatorios.

"Nuestro enfoque considera una distribución más realista del vector de viento que está sesgado con una larga cola de valores extremos raros, ", dijo Sun." Esto hace posible marcar las observaciones que muy probablemente sean errores como posibles valores atípicos sin eliminar los valores extremos ".

Además de su aplicación a nuevos datos diarios, este esquema de detección de errores también se puede utilizar en los enormes volúmenes de observaciones de radiosondas almacenadas en archivos de todo el mundo.

"Estamos desarrollando un método de detección de valores atípicos que es rápido y automático. Podremos utilizar este método para procesar rápidamente los millones de registros en el archivo, ", dijo Sun." También estamos considerando el posible efecto del cambio climático al desarrollar el nuevo método ".