Improving Hurricane Intensity and Rainfall Forecasts With Microwave Data Assimilation
टेक्सास में अपने लैंडफॉल से पहले तूफान हार्वे के लिए दृश्यमान प्रतिबिंब के शीर्ष पर माइक्रोवेव चमक तापमान। क्रेडिट: पेन स्टेट
2017 में, तूफान हार्वे तटीय टेक्सास पर लैंडफॉल बनाने, रिकॉर्ड बारिश, बाढ़ वाले समुदायों को डालने और संयुक्त राज्य के इतिहास में सबसे विनाशकारी और सबसे विनाशकारी तूफानों में से एक बनने के बाद रुक गया। पेन स्टेट के वैज्ञानिकों के अनुसार, आसानी से उपलब्ध डेटा का उपयोग करने वाली एक नई तकनीक पूर्वानुमान त्रुटियों को कम करती है और तूफान हार्वे जैसे भविष्य के तूफानों के लिए ट्रैक, तीव्रता और वर्षा के पूर्वानुमान में सुधार कर सकती है।
पेन स्टेट में मौसम विज्ञान और वायुमंडलीय विज्ञान विभाग में सहायक शोध प्रोफेसर यूंजी झांग ने कहा, “हमारा अध्ययन इंगित करता है कि उपलब्ध अभी तक कम उपयोग किए गए डेटा का उपयोग करके उष्णकटिबंधीय चक्रवातों के लिए अधिक सटीक पूर्वानुमान बनाने के लिए रास्ते मौजूद हैं।” “इससे भविष्य में उष्णकटिबंधीय चक्रवात से जुड़े खतरों के लिए बेहतर चेतावनी और तैयारी हो सकती है।”
वैज्ञानिकों ने कहा कि कम-पृथ्वी की परिक्रमा करने वाले उपग्रहों द्वारा एकत्र किए गए माइक्रोवेव डेटा को मौजूदा कंप्यूटर मौसम पूर्वानुमान मॉडल में जोड़ने से तूफान हार्वे का केस-स्टडी के रूप में उपयोग करते समय तूफान ट्रैक, तीव्रता और वर्षा के पूर्वानुमान में सुधार हुआ।
“समुद्र के ऊपर, हमारे पास क्लाउड टॉप के नीचे अन्य प्रकार के अवलोकन नहीं हैं जो हमें यह बताने के लिए हैं कि आईवॉल कहां हैं, सबसे मजबूत संवहन कहां हैं, और उन क्षेत्रों में कितने बारिश या बर्फ के कण हैं, कभी-कभार टोही विमानों को छोड़कर। कुछ तूफानों में उड़ें, ”झांग ने कहा। “यह बाद की भविष्यवाणियों के लिए बहुत महत्वपूर्ण है कि कितने तीव्र तूफान होंगे या कितनी वर्षा वाले तूफान लाएंगे।”
शोध टीम के पूर्व कार्य पर बनाता है डेटा एसिमिलेशन का उपयोग करके बेहतर तूफान पूर्वानुमान, एक सांख्यिकीय पद्धति जिसका उद्देश्य वर्तमान मौसम की स्थिति की सबसे सटीक तस्वीर को चित्रित करना है, महत्वपूर्ण है क्योंकि वातावरण में छोटे बदलाव भी समय के साथ पूर्वानुमानों में बड़ी विसंगतियां पैदा कर सकते हैं।
पूर्व के काम में, पेन स्टेट के सेंटर फॉर एडवांस्ड डेटा एसिमिलेशन एंड प्रेडिक्टेबिलिटी टेक्निक्स के वैज्ञानिकों ने यूएस जियोस्टेशनरी ऑपरेशनल एनवायरनमेंटल सैटेलाइट, GOES-16 से इंफ्रारेड ब्राइटनेस तापमान डेटा को आत्मसात किया। चमक के तापमान से पता चलता है कि पृथ्वी पर और वायुमंडल में वस्तुओं द्वारा कितना विकिरण उत्सर्जित किया जाता है, और वैज्ञानिकों ने वायुमंडलीय जल वाष्प और बादल निर्माण की बेहतर तस्वीर को चित्रित करने के लिए विभिन्न आवृत्तियों पर अवरक्त चमक तापमान का उपयोग किया।
लेकिन इन्फ्रारेड सेंसर केवल वही पकड़ते हैं जो क्लाउड टॉप पर हो रहा है। वैज्ञानिकों ने कहा कि माइक्रोवेव सेंसर पूरे वर्टिकल कॉलम को देखते हैं, जो तूफान आने के बाद बादलों के नीचे क्या हो रहा है, इसकी नई जानकारी देते हैं।
“यह विशेष रूप से महत्वपूर्ण है जब एक तूफान विकास के बाद के चरणों में परिपक्व होता है, जब स्पष्ट और सुसंगत बादल संरचनाएं मौजूद होती हैं और आप नहीं देख सकते कि उनके नीचे क्या चल रहा है,” झांग ने कहा। “यही वह समय है जब तूफान सबसे खतरनाक होते हैं क्योंकि वे बहुत मजबूत होते हैं और कभी-कभी पहले से ही लैंडफॉल के करीब पहुंच जाते हैं और लोगों को धमकाते हैं। तभी माइक्रोवेव डेटा सबसे मूल्यवान जानकारी प्रदान करने वाला है।”
शोधकर्ताओं ने जियोफिजिकल रिसर्च लेटर्स जर्नल में बताया कि समेकित इन्फ्रारेड और माइक्रोवेव डेटा के संयोजन ने तूफान हार्वे के लिए अकेले इन्फ्रारेड विकिरण की तुलना में ट्रैक, तीव्र तीव्रता और चोटी तीव्रता में पूर्वानुमान त्रुटियों को कम कर दिया। उन्होंने कहा कि डेटा के दोनों सेटों को आत्मसात करने से तूफान की तीव्र तीव्रता के लिए पूर्वानुमान लीड-टाइम में 24 घंटे की वृद्धि हुई, एक महत्वपूर्ण समय जब कुछ तूफान जल्दी से ताकत हासिल कर लेते हैं।
वैज्ञानिकों ने कहा कि माइक्रोवेव डेटा को आत्मसात करने से तूफान में पानी के कणों की मात्रा और हार्वे के लिए अधिक सटीक वर्षा योग की बेहतर समझ हुई।
झांग ने कहा, “जनता को खतरों और निकासी के लिए तैयार करने के लिए बारिश की भविष्यवाणी बेहद महत्वपूर्ण है।” “अगर हमें इस बात की बेहतर समझ है कि तूफान में कितने वर्षा कण हैं, तो हमारे पास अधिक सटीक पूर्वानुमान की अधिक संभावना है कि कितनी वर्षा होगी। उसके आधार पर, लोगों को कैसे प्रतिक्रिया देनी चाहिए, इस पर हमारे पास अधिक उन्नत मार्गदर्शन होगा। ”
वैज्ञानिकों ने कहा कि पानी और बर्फ के कणों को अधिक वास्तविक रूप से अनुकरण करने के लिए मॉडल के सूक्ष्म भौतिकी में सुधार के लिए अतिरिक्त कार्य की आवश्यकता है।
यह अध्ययन पूर्व पेन स्टेट के प्रतिष्ठित प्रोफेसर फुकिंग झांग के काम पर आधारित है, जिन्होंने अपने समय में इस परियोजना का नेतृत्व किया था। जुलाई 2019 में अप्रत्याशित मौत.
मौसम विज्ञान और वायुमंडलीय विज्ञान के प्रोफेसर और पेपर के सह-लेखक यूजीन क्लॉथियाक्स ने कहा, “जब हमारे प्रिय मित्र और सहयोगी फुकिंग झांग की मृत्यु हुई, तो हमारे चल रहे संयुक्त इन्फ्रारेड और माइक्रोवेव रेडियंस डेटा आकलन प्रयोगों को एक साथ जोड़ने वाले विचारों का धागा सुलझ गया।” “हम जितना संभव हो सके धागे को फिर से इकट्ठा करने के लिए एक विस्तारित अवधि में एक साथ आए।”
संदर्भ: यूंजी झांग, स्कॉट बी सीरोन, यिंगहुई लू, जिंगचाओ चेन, रॉबर्ट जी। निस्ट्रॉम, मसाशी मिनामाइड, मैन द्वारा “सेटेलाइट ऑल-स्काई माइक्रोवेव रेडियंस का एसेम्बल-बेस्ड एसिमिलेशन, तूफान हार्वे (2017) के लिए तीव्रता और वर्षा की भविष्यवाणी में सुधार करता है” -याउ चान, क्रिस्टोफर एम। हार्टमैन, झू याओ, जेम्स एच। रूपर्ट जूनियर, अत्सुशी ओकाजाकी, स्टीवन जे। ग्रेबश, यूजीन ई। क्लॉथियाक्स और फुकिंग झांग, 13 दिसंबर 2021, भूभौतिकीय अनुसंधान पत्र.
डीओआई: 10.1029/2021GL096410
पेन स्टेट से भी योगदान देने वाले स्टीवन ग्रेबश, सहयोगी प्रोफेसर थे; जिंगचाओ चेन, सहायक प्रोफेसर; और मैन-याउ चान, क्रिस्टोफर हार्टमैन और झू याओ, स्नातक छात्र।
कई पूर्व पेन स्टेट डॉक्टरेट छात्रों, पोस्टडॉक और फैकल्टी ने भी योगदान दिया: स्कॉट सीरॉन, आईएम सिस्टम्स ग्रुप में सपोर्ट साइंटिस्ट; यिंगहुई लू, चीन में नानजिंग विश्वविद्यालय में एसोसिएट प्रोफेसर; रॉबर्ट निस्ट्रॉम, नेशनल सेंटर फॉर एटमॉस्फेरिक रिसर्च में पोस्टडॉक; मसाशी मिनामाइड, टोक्यो विश्वविद्यालय में सहायक प्रोफेसर; ओक्लाहोमा विश्वविद्यालय में सहायक प्रोफेसर जेम्स रूपर्ट; और जापान में हिरोसाकी विश्वविद्यालय में सहायक प्रोफेसर अत्सुशी ओकाज़ाकी।
राष्ट्रीय विज्ञान फाउंडेशन, NASA
” data-gt-translate-attributes=”[{” attribute=””>नासाराष्ट्रीय समुद्री और वायुमंडलीय प्रशासन और ऊर्जा जैविक और पर्यावरण अनुसंधान कार्यक्रम विभाग ने इस काम का समर्थन किया।
(function(d, s, id){
var js, fjs = d.getElementsByTagName(s)[0];
if (d.getElementById(id)) return;
js = d.createElement(s); js.id = id;
js.src = “//connect.facebook.net/en_US/sdk.js#xfbml=1&version=v2.6”;
fjs.parentNode.insertBefore(js, fjs);
}(document, ‘script’, ‘facebook-jssdk’));
