El código de fuente abierta desarrollado por un graduado de Penn State podría mejorar el pronóstico del tiempo y una variedad de otros esfuerzos de investigación que se basan en el emparejamiento de modelos atmosféricos con imágenes de satélite.

Yanni Cao, quien obtuvo su maestría en geografía en 2016, desarrolló el código mientras era miembro del laboratorio de Geoinformática y Observación de la Tierra de Penn State (GEOlab) como una forma de corregir los errores creados cuando los datos satelitales se combinan con el modelo de Investigación y Pronóstico del Tiempo (WRF). El trabajo se realizó en colaboración con su asesor, Guido Cervone, jefe de GEOLab, profesor asociado de geoinformática y director asociado del Institute for CyberScience, y el Centro Nacional de Investigaciones Atmosféricas (NCAR).

Para simplificar los cálculos, el modelo WRF de uso común, como la mayoría, asume que la Tierra es una esfera perfecta. Sin embargo, los satélites capturan una forma esferoide achatada más realista de la Tierra, ya que los planetas están abultados debido a la gravedad y la rotación. Las inexactitudes en los cálculos se deben al cambio de ubicación de los modelos de una esfera perfecta a los datos de observación en la Tierra que se aplanan cerca de los polos y se abultan alrededor del ecuador.

"La idea básica es que la Tierra no es una esfera perfecta, "dijo Cao." Para hacer cálculos fáciles, la mayoría, si no todos, Los modelos meteorológicos ven la Tierra como una esfera perfecta. Sin embargo, la mayoría de los sistemas de teledetección ven a la Tierra como un esferoide. Hay una diferencia entre los dos. Cuando utiliza sistemas de coordenadas geográficas de esferoides con un modelo esférico, se crea una discrepancia ".

Esto es ampliamente conocido por causar errores de cálculo, Cao dijo, pero esos errores son más pronunciados cuando los modelos están configurados para ejecutarse con alta resolución espacial. Por ejemplo, Se introdujeron errores de ubicación de hasta 13 millas en el modelo WRF cuando se ejecutó en un tamaño de cuadrícula de .6 millas, causando errores en la temperatura y otras variables climáticas, particularmente cerca de montañas y cuerpos de agua.

Para analizar estos errores y desarrollar una metodología que solucione estos problemas, Cao analizó un área de los EE. UU. Que tiene aproximadamente 17, 000 millas cuadradas. Usó el modelo WRF en tres escenarios:datos satelitales de baja resolución, datos satelitales de alta resolución, y luego los datos corregidos por WRF usando el código que ella creó. Cao seleccionó un área en el noreste de los Estados Unidos porque contenía grandes gradientes de elevación y diversos patrones de uso de la tierra, como bosques, zonas urbanas y humedales.

Ella usó los datos para cuantificar cómo el emparejamiento de modelos WRF con diferentes resoluciones de satélite tiene un impacto en la proyección de variables meteorológicas como la temperatura, dirección del viento, velocidad del viento y proporciones de mezcla atmosférica.

"Si bien algunos de estos errores pueden ser pequeños, todavía introducen sesgos en la salida del modelo, ", Dijo Cao." Para simulaciones de muy alta resolución, estos sesgos se agravan y pueden dar lugar a errores importantes en los resultados del modelo ".

Sus resultados muestran que el desajuste resultó en errores en los resultados del modelo para cada variable.

Cao utilizó esta metodología para mejorar la precisión de los modelos de emisiones de metano y ahora trabaja como científico de datos detectando fugas de metano para Picarro. una empresa privada con sede en Silicon Valley.

Cervone agregó que el código será beneficioso en una variedad de áreas de investigación. "Esta investigación encaja bien con las preguntas que se están investigando en NCAR, por eso los investigadores estaban tan interesados ​​en hacer avanzar esta nueva herramienta, ", dijo Cervone." Y sólo demostrará ser aún más útil a medida que las imágenes satelitales de alta resolución se vuelvan más comunes ".

La investigación fue publicada en Desarrollo de modelos geocientíficos .