Los investigadores de Penn State son los primeros en utilizar datos obtenidos de satélites recientes de próxima generación en un modelo numérico de predicción del tiempo utilizado para proporcionar una guía para el pronóstico de tormentas tormentosas.

GOES-16, que se lanzó en 2016, recientemente entró en pleno funcionamiento, pero los métodos para incorporar los datos, hasta ahora, no existió.

Los investigadores utilizaron un método para la radiación infrarroja de todo el cielo desarrollado a través del Centro de Penn State para Técnicas de Predecibilidad y Asimilación de Datos Avanzadas (ADAPT), para incorporar datos en modelos para eventos climáticos en el Medio Oeste. Los experimentos fueron retroactivos, lo que significa que los modelos se ejecutaron después del evento meteorológico y se compararon con eventos reales. El modelo pudo pronosticar tormentas supercelulares con condiciones atmosféricas que son muy propicias para los tornados.

Los resultados, reportado en Revisión mensual del clima publicado por la Sociedad Meteorológica Estadounidense, sugieren que podemos mejorar en gran medida nuestra capacidad para predecir tormentas eléctricas capaces de producir tornados.

"No solo los datos son importantes, "Fuqing Zhang, dijo el profesor de meteorología y director de ADAPT. "Así es como diseñamos algoritmos matemáticos numéricos muy sofisticados para incorporar esos datos satelitales al modelo. Esta es realmente nuestra experiencia y nuestro orgullo. Nuestro equipo es el primero en poder tomar de manera efectiva estos datos satelitales de alta resolución y demostrar que puede ser" útil en escenarios de casos reales ".

La previsión de tormentas eléctricas tornádicas es importante porque estos eventos se forman especialmente rápido, difícil de predecir y puede causar daños catastróficos. Las tormentas eléctricas representan el 40 por ciento de todos los eventos climáticos severos en los Estados Unidos, causando el 14 por ciento de los daños y el 17 por ciento de las muertes relacionadas, según el Centro Nacional de Datos Climáticos.

"Para muchas tormentas en los Estados Unidos, tenemos buenos datos de radar, sin embargo, es muy difícil usar cualquiera de las tecnologías existentes para capturar las condiciones ambientales y de tormenta antes de que la tormenta se desarrolle por completo, ", Dijo Zhang." Podemos extender el tiempo de advertencia para estos eventos porque el satélite puede mirar el campo incluso antes de que se formen las nubes y nuestros modelos pueden ingerir esa información para mejorar y hacer avanzar los pronósticos ".

En los últimos 40 años, El tiempo de espera de la advertencia de tornado, es decir, el intervalo de tiempo entre el momento en que se emite una advertencia y el tornado ocurre, ha aumentado en promedio de 3 a 14 minutos. Zhang dijo que este método podría extender ese tiempo de entrega aún más.

"Los investigadores han realizado grandes mejoras en los tiempos de espera de los tornados, pero, para mucha gente, 14 minutos no son suficientes "dijo David Stensrud, jefe del Departamento de Meteorología y Ciencias Atmosféricas de Penn State. "Si tiene un gran estadio deportivo o un hospital, se necesitan más de 14 minutos para prepararse para la amenaza climática. Sin duda, existe la necesidad de advertencias más avanzadas. Nuestra investigación indica que al combinar la asimilación de datos y los modelos de alta resolución podemos obtener tiempos de entrega superiores a 30 minutos. Duplicar el tiempo de entrega tendría enormes impactos sociales potenciales ".

Mejores modelos y mejores datos proporcionados por GOES-16 también podrían reducir las tasas de falsas alarmas, él dijo.

Los investigadores están trabajando con la NOAA y el Servicio Meteorológico Nacional para preparar los algoritmos para ingerir estos datos satelitales para un uso generalizado.

Los datos satelitales han demostrado ser difíciles de usar en modelos meteorológicos porque los satélites no capturan variables clave como la velocidad del viento, presión, temperatura y vapor de agua. Pero los satélites capturan datos conocidos como temperatura de brillo, que muestran cuánta radiación emiten los objetos en la Tierra y en la atmósfera a diferentes frecuencias infrarrojas. Usando resplandor de todo el cielo, los investigadores pueden usar la temperatura de brillo capturada a diferentes frecuencias para pintar una imagen de las formaciones de nubes y los campos de vapor de agua.

En una investigación que todavía está bajo revisión y perfilada en Nature, Zhang y sus colegas muestran que este método pronosticó que el huracán Harvey alcanzaría una categoría 4, mientras que los modelos existentes lo pronostican como una categoría 1. Harvey se convirtió en el primer huracán de categoría 4 en tocar tierra a lo largo de la costa de Texas desde 1961.

GOES-16 cubre una sexta parte de la Tierra, incluyendo la parte oriental de los Estados Unidos y todo el Océano Atlántico, y es geoestacionario. Reemplaza al GOES-13, ofreciendo resolución de datos a una escala ligeramente superior a media milla, mucho mejor que su predecesor en 2.5 millas, y con datos disponibles cada 5 minutos o menos.

La mayor resolución espacial y temporal es importante porque ofrece mucha más información sobre lo que está sucediendo dentro de las tormentas eléctricas, huracanes y otros eventos climáticos severos. El satélite utiliza 16 bandas de datos de imagen que utilizan luz visible e infrarroja para revelar factores como la niebla, vientos vegetación, nieve y hielo, incendios vapor de agua y relámpagos. Es uno de los tres satélites similares en funcionamiento que cubren colectivamente casi toda la tierra habitable y los océanos circundantes.