Los datos satelitales podrían revolucionar los pronósticos meteorológicos • Earth.com

Los datos satelitales podrían revolucionar los pronósticos meteorológicos • Earth.com

Los pronósticos meteorológicos están al borde de una mejora significativa gracias a una investigación de la Universidad Penn State.

En 2020, un derecho del Medio Oeste, una tormenta eléctrica severa, causó daños generalizados en todo el Medio Oeste. Investigadores de Penn State han desarrollado una técnica que combina datos satelitales con modelos de pronóstico del tiempo. Esta innovación mejora significativamente la precisión de los pronósticos sobre la intensidad de las tormentas y la ubicación de los vientos.

Un estudio publicado en la revista Cartas de investigación geofísica, destaca cómo el uso de datos de microondas de los satélites puede mejorar las previsiones meteorológicas. Mientras que los modelos tradicionales se basan en radares terrestres, la nueva técnica utiliza datos satelitales para mejorar los pronósticos en áreas del interior. Esto podría revolucionar la previsión en zonas con acceso limitado a los radares.

Expandiendo Horizontes

Yunjie Zhang, profesora de clima en Penn State y autora principal del estudio, enfatizó el impacto potencial de la investigación.

«El modelo informático es capaz de producir una serie de pronósticos que enfatizan consistentemente las tormentas más poderosas y los daños causados ​​por el viento más fuerte donde ocurren», explicó Zhang. «Si disponemos de este tipo de información en tiempo real, antes de que se produzcan los acontecimientos, los meteorólogos podrán identificar dónde se producirán los daños más graves».

Cerrando la brecha: para la protección de datos satelitales

La importancia de esta técnica va más allá de mejorar las previsiones. Esto representa un avance significativo en nuestra capacidad para predecir condiciones climáticas extremas en áreas bajas.

«Demostramos que en áreas sin observaciones de superficie o básicamente sin radar, la combinación de estas observaciones satelitales puede producir predicciones decentes de eventos climáticos extremos», dijo Zhang. Este enfoque se puede aplicar en todo el mundo, especialmente en regiones vulnerables al cambio climático y sin infraestructura de monitoreo climático.

El futuro es ahora: una visión para el pronóstico del clima global

La investigación se basa en un estudio anterior en Penn State que utilizó datos infrarrojos satelitales para estudiar el vapor de agua y las nubes. El uso innovador de sensores de microondas captura toda la columna atmosférica, revelando detalles críticos de la dinámica de las tormentas debajo de las nubes. Esto es clave para predecir con precisión el comportamiento de las tormentas.

Combinando datos de sensores infrarrojos y de microondas, el equipo mejoró la precisión del pronóstico del viento para el evento Dereko. Esta integración proporciona una visión más completa de las tormentas, lo que genera pronósticos más precisos y advertencias oportunas.

El equipo de Zhang ve el potencial de aplicar este enfoque a nivel mundial, particularmente en África occidental, donde los efectos del clima extremo y el calentamiento global son profundos.

«Sabemos que ha habido varias lluvias torrenciales fuertes en África occidental en los últimos años que han traído mucha lluvia a esos países», señaló Zhang. Proporcionar pronósticos mejorados para dichas regiones puede tener un impacto significativo, ayudando a mitigar los efectos del clima extremo y el cambio climático en las comunidades vulnerables.

Clima tormentoso: la revolución de los satélites

La integración de datos satelitales en modelos de predicción climática representa un importante paso adelante en nuestra capacidad para predecir y responder a fenómenos meteorológicos extremos.

Con investigación y desarrollo continuos, esta técnica tiene el potencial de mejorar el pronóstico del tiempo en todo el mundo, brindando esperanza e información que podría salvar vidas a áreas que antes quedaban en la oscuridad.

Avances adicionales en la previsión meteorológica

Los avances en el pronóstico del tiempo se han visto influenciados significativamente por la integración de la IA y el aprendizaje automático (ML), así como por importantes actualizaciones en la infraestructura de supercomputación. He aquí un resumen de los acontecimientos recientes:

IA y aprendizaje automático

Las innovaciones en inteligencia artificial están revolucionando el pronóstico del tiempo con modelos como FourCastNet de NVIDIA, ClimaX de Microsoft y Pangu-Climate de Huawei.

FourCastNet utiliza una red neuronal basada en Fourier para proporcionar pronósticos conjuntos rápidos y completos, aunque a veces tiene problemas con pronósticos que se ajustan estrictamente a las leyes físicas.

Climax, que utiliza transformadores de visión, se destaca en el manejo de conjuntos de datos heterogéneos y la reducción de escala para predicciones locales. Pangu-Atmosphere, notable por su arquitectura de transformador 3D específica de la Tierra, proporciona pronósticos atmosféricos rápidos y complejos a pesar de las altas demandas computacionales.

Mejoras en supercomputación

La implementación de las supercomputadoras gemelas de la NOAA, Dogwood y Cactus, marca una mejora significativa en los recursos computacionales disponibles para el pronóstico meteorológico y climático.

Operando a 12,1 petaflops, estas supercomputadoras son tres veces más rápidas que sus predecesoras, lo que permite modelos de pronóstico más detallados y avanzados, como simulaciones de mayor resolución y mejores modelos físicos para la formación de nubes y precipitaciones.

Las actualizaciones conducen a un nuevo Sistema de Análisis y Pronóstico de Huracanes (HAFS) destinado a mejorar los pronósticos de huracanes.

—–

¿Te gusta lo que lees? Suscríbase a nuestro boletín para recibir artículos interesantes, contenido exclusivo y las últimas actualizaciones.

Visítenos en EarthSnap, una aplicación gratuita presentada por Eric Rawls y Earth.com.

—–

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *