🔭 astrophysics

Single-star optical turbulence profiling techniques for the SHIMM and other Shack-Hartmann instruments

यह शोध पत्र SHIMM शैक-हार्टमैन (Shack-Hartmann) उपकरण के लिए उन्नत ऑप्टिकल टर्बुलेंस प्रोफाइलिंग तकनीकों को प्रस्तुत और मान्य करता है, जिसमें Z-टिल्ट वेटिंग फंक्शन्स (Z-tilt weighting functions) और एक्सपोजर टाइम सुधार शामिल हैं, जो एंड-टू-एंड मोंटे कार्लो सिमुलेशन के माध्यम से टर्बुलेंस प्रोफाइल और मापदंडों को प्राप्त करने में उच्च सटीकता प्रदर्शित करते हैं।

मूल लेखक: Ryan Griffiths, Timothy Butterley, Richard Wilson, James Osborn

प्रकाशित 2026-03-04

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ryan Griffiths, Timothy Butterley, Richard Wilson, James Osborn

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

बड़ी तस्वीर: हमें "हवा के सूप" (Air Soup) की परवाह क्यों है?

कल्पना कीजिए कि आप एक दूर स्थित पहाड़ की एकदम सटीक फोटो लेने की कोशिश कर रहे हैं, या ज़मीन से किसी सैटेलाइट तक लेज़र बीम भेजने की कोशिश कर रहे हैं। समस्या आपका कैमरा या आपकी लेज़र नहीं है; यह बीच में मौजूद हवा है।

वायुमंडल स्थिर नहीं है। यह गर्म और ठंडी हवा की अदृश्य थैलियों (pockets) से भरा है जो चारों ओर घूम रही हैं। वैज्ञानिक इसे ऑप्टिकल टर्बुलेंस (optical turbulence) कहते हैं। इसे एक जलती हुई आग की लपटों के बीच से दिखने वाली लहरदार गर्मी (heat haze) की तरह समझें। प्रकाश विरूपित (distort) हो जाता है, जिससे तारे टिमटिमाते हैं और टेलीस्कोप की छवियां धुंधली हो जाती हैं।

इसे ठीक करने के लिए, खगोलशास्त्रियों और इंजीनियरों को यह जानना आवश्यक है कि ये हवा की थैलियाँ वास्तव में कहाँ हैं और वे कितनी शक्तिशाली हैं। उन्हें हवा के लिए एक "मौसम रिपोर्ट" की आवश्यकता है, लेकिन बारिश और हवा के बजाय, वे यह माप रहे हैं कि हवा प्रकाश को कितना हिला (jiggle) रही है।

उपकरण: SHIMM कैमरा

यह शोध पत्र SHIMM (Shack-Hartmann Image Motion Monitor) नामक एक विशिष्ट उपकरण पर केंद्रित है।

उपमा (Analogy): कल्पना कीजिए कि एक ऐसा कैमरा जो केवल एक तारे की तस्वीर नहीं लेता; बल्कि वह छोटे दर्पणों के ग्रिड (जैसे मधुमक्खी का छत्ता) में तारे के प्रतिबिंब की तस्वीर लेता है।
यह कैसे काम करता है: यदि हवा पूरी तरह से स्थिर है, तो प्रतिबिंब एक आदर्श ग्रिड में रहते हैं। यदि हवा अशांत (turbulent) है, तो प्रतिबिंब हिलने लगते हैं और धुंधले हो जाते हैं। यह देखकर कि वे कितना हिलते हैं, SHIMM गणना कर सकता है कि विभिन्न ऊंचाइयों पर हवा कितनी "खुरदरी" है।
लक्ष्य: यह शोध पत्र इस कैमरे के डेटा को पढ़ने वाले सॉफ़्टवेयर को अपग्रेड करने के बारे में है ताकि इसे बहुत अधिक सटीक बनाया जा सके, विशेष रूप से दिन के समय जब सूरज हवा को और भी अधिक अराजक बना देता है।

अपग्रेड: उन्होंने क्या ठीक किया?

लेखकों ने केवल कैमरा ही नहीं बनाया; उन्होंने इसके पीछे के गणित को फिर से लिखा। यहाँ तीन मुख्य अपग्रेड दिए गए हैं, जिन्हें सरल भाषा में समझाया गया है:

1. "टिल्ट" सुधार (Z-Tilt बनाम G-Tilt)

समस्या: पुराना गणित तारे के हिलने को एक साधारण ढलान (G-Tilt) की तरह मानता था। लेकिन कैमरा वास्तव में एक विशिष्ट प्रकार के "टिल्ट" (Z-Tilt) को मापता है जो एक तीव्र ढलान के बजाय एक कोमल झुकाव जैसा है।
उपमा: कल्पना कीजिए कि आप एक नाव के डगमगाने को मापने की कोशिश कर रहे हैं।
- पुरानी विधि (G-Tilt): आप क्षितिज के सापेक्ष डेक के कोण को मापते हैं।
- नई विधि (Z-Tilt): आप नाव के निचले हिस्से (hull) के वास्तविक झुकाव को मापते हैं।
- महत्व: पुरानी विधि एक तूफान के लिए बने रूलर से हल्की हवा को मापने की कोशिश करने जैसी थी। इससे त्रुटियां हुईं, खासकर ज़मीन के पास। नया गणित (Z-Tilt) डेटा में बिल्कुल फिट बैठता है, जैसे कि एक कस्टम-मेड दस्ताना।

2. "स्लो मोशन" ब्लर फिक्स (एक्सपोज़र टाइम)

समस्या: कैमरे तस्वीरें तुरंत नहीं लेते; वे छवि कैप्चर करने के लिए एक सेकंड के बहुत छोटे हिस्से का उपयोग करते हैं। यदि हवा तेज़ चल रही है, तो उस छोटे से क्षण के दौरान तारे का "हिलना" फैल (smear) जाता है, जैसे कि एक तेज़ चलती कार की फोटो।
उपमा: कल्पना कीजिए कि आप एक बहुत तेज़ शटर स्पीड वाले कैमरे से हमिंगबर्ड के पंख फड़फड़ाने की गिनती करने की कोशिश कर रहे हैं। यदि आपका शटर बहुत धीमा है, तो आपको केवल एक धुंधलापन दिखाई देगा।
समाधान: लेखकों ने एक नया गणितीय तरीका विकसित किया। वे डेटा के दो सेट लेते हैं: एक बहुत तेज़ "शटर" के साथ और एक थोड़ा धीमे "शटर" के साथ (दो तेज़ फ्रेमों को जोड़कर)। उनके अंतर की तुलना करके, वे गणितीय रूप से छवि को "अन-ब्लर" (un-blur) कर सकते हैं और यह पता लगा सकते हैं कि हवा कितनी तेज़ी से चल रही थी, भले ही कैमरा उसे पूरी तरह से पकड़ने के लिए पर्याप्त तेज़ न रहा हो।

3. "हवा की गति" का जासूस (कोहेरेंस टाइम)

समस्या: यह जानना कि हवा कितनी खुरदरी है (टर्बुलेंस), केवल आधी लड़ाई है। टेलीस्कोप के साथ छवि को ठीक करने के लिए, आपको यह भी जानना होगा कि वह खुरदरी हवा कितनी तेज़ चल रही है।
उपमा: यदि आप जानते हैं कि तूफान आ रहा है, तो आपको यह जानने की आवश्यकता है कि यह धीमी बूंदाबांदी है या तेज़ चक्रवात, ताकि आप तैयारी कर सकें।
समाधान: उन्होंने FADE विधि नामक एक चतुर तकनीक का उपयोग किया। उन्होंने तारे के प्रकाश पैटर्न के एक विशिष्ट भाग (डिफोकस या केंद्र का धुंधलापन) को देखा। यह देखकर कि यह धुंधलापन कितनी तेज़ी से बदलता है, वे विभिन्न ऊंचाइयों पर हवा की गति की गणना कर सकते हैं। यह उन्हें यह अनुमान लगाने की अनुमति देता है कि हवा के दोबारा खराब होने से पहले एक टेलीस्कोप कितनी देर तक स्पष्ट छवि बनाए रख सकता है।

परिणाम: क्या यह काम कर गया?

टीम ने इन सभी नए गणितीय तरीकों का परीक्षण एक सुपर-कंप्यूटर सिमुलेशन (वास्तविक दुनिया का एक "डिजिटल ट्विन") का उपयोग करके किया।

परीक्षण: उन्होंने कंप्यूटर में हजारों नकली "वायु प्रोफाइल" (सिमुलेटेड मौसम) डाले और SHIMM से उन्हें मापने के लिए कहा।
परिणाम: SHIMM लगभग हर बार सही रहा।
- सहसंबंध (Correlation): परिणाम लगभग 100% के सहसंबंध के साथ इनपुट डेटा से मेल खाते हैं (एक सटीक फिंगरप्रिंट मिलान की तरह)।
- संवेदनशीलता (Sensitivity): उन्होंने पाया कि कैमरा बहुत ही सूक्ष्म टर्बुलेंस को भी पहचान सकता है, जो $2 \times 10^{-15}$ के स्तर तक है।
- ग्लिच (Glitch): उन्होंने गौर किया कि कभी-कभी, यदि ज़मीन के पास हवा बहुत खुरदरी होती है, तो गणित भ्रमित हो जाता है और सोचता है कि टर्बुलेंस वास्तव में उससे थोड़ा ऊपर (4 किमी पर) है। यह एक माइक्रोफ़ोन के पास ज़ोर से चिल्लाने जैसा है जिससे ठीक बगल में बैठे व्यक्ति की फुसफुसाहट सुनना मुश्किल हो जाता है। उन्होंने इस "क्रॉस-टॉक" की पहचान की ताकि भविष्य के उपयोगकर्ता इसका ध्यान रख सकें।

यह क्यों मायने रखता है?

यह केवल बेहतर स्टारगेजिंग (तारा दर्शन) के बारे में नहीं है।

सैटेलाइट इंटरनेट: जैसे-जैसे हम लेज़र का उपयोग करके उपग्रहों को इंटरनेट भेजने की कोशिश कर रहे हैं, हमें यह जानना आवश्यक है कि हवा कब बहुत अधिक उबड़-खाबड़ है ताकि सिग्नल भेजा जा सके।
बड़े टेलीस्कोप: अगली पीढ़ी के विशाल टेलीस्कोप (जैसे 40-मीटर क्लास) "एडेप्टिव ऑप्टिक्स" (ऐसे दर्पण जो हवा को बेअसर करने के लिए हिलते हैं) का उपयोग करते हैं। उन्हें काम करने के लिए इस सटीक डेटा की आवश्यकता होती है।
24/7 निगरानी: पुराने उपकरणों के विपरीत जो केवल रात में काम करते हैं, यह नया तरीका दिन और रात दोनों समय काम करता है, जो हमें आकाश के लिए निरंतर मौसम रिपोर्ट देता है।

संक्षेप में: लेखकों ने एक चतुर कैमरे को लिया, बेहतर गणित के साथ उसे एक "ब्रेन अपग्रेड" दिया, और यह साबित किया कि यह हवा के अदृश्य "उभारों" को अविश्वसनीय सटीकता के साथ देख सकता है, जिससे हमें तारों को अधिक स्पष्ट रूप से देखने और उपग्रहों के साथ अधिक विश्वसनीय रूप से संवाद करने में मदद मिलती है।

यहाँ "SHIMM और अन्य Shack-Hartmann उपकरणों के लिए सिंगल-स्टार ऑप्टिकल टर्बुलेंस प्रोफाइलिंग तकनीक" नामक शोध पत्र का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

वायुमंडलीय ऑप्टिकल टर्बुलेंस (OT) जमीनी स्तर के खगोल विज्ञान और फ्री-स्पेस ऑप्टिकल संचार के प्रदर्शन को खराब करता है। जबकि एकीकृत टर्बुलेंस स्ट्रेंथ (सीइंग) की अच्छी तरह से निगरानी की जाती है, एडेप्टिव ऑप्टिक्स (AO) सिस्टम को अनुकूलित करने, अवलोकनों को शेड्यूल करने और लेजर संचार लिंक को मॉडल करने के लिए टर्बुलेंस स्ट्रक्चर फंक्शन ( $C_n^2(h)dh$ ) का विस्तृत वर्टिकल प्रोफाइलिंग अत्यंत महत्वपूर्ण है।

मौजूदा सिंगल-स्टार प्रोफाइलिंग तकनीकें अक्सर डिफरेंशियल इमेज मोशन मॉनिटर (DIMM) अवधारणाओं या विशिष्ट स्किंटिलेशन सेंसरों पर निर्भर करती हैं। हालाँकि, Shack-Hartmann वेवफ्रंट सेंसर (SHWFS) का उपयोग करने वाले मजबूत, निरंतर (24-घंटे) प्रोफाइलिंग की आवश्यकता है, जो पहले से ही दूरबीनों पर सामान्य हैं। Shack-Hartmann Image Motion Monitor (SHIMM) को इसी कमी को पूरा करने के लिए विकसित किया गया था, लेकिन इसके मूल विश्लेषण पाइपलाइन में कुछ सीमाएँ थीं, जिनमें शामिल हैं:

पहले वायुमंडलीय परत में टर्बुलेंस स्ट्रेंथ का व्यवस्थित अति-अनुमान (overestimation)।
ग्रेडिएंट (G-) टिल्ट मॉडल का उपयोग जो थ्रेशोल्डेड सेंट्रॉइड डेटा के साथ सटीक रूप से मेल नहीं खाता था।
नॉन-जीरो एक्सपोजर टाइम (विंड स्मियरिंग) के लिए सुधार का अभाव।
प्रोफाइल से कोहेरेंस टाइम ( $\tau_0$ ) और औसत विंड स्पीड ( $V_{5/3}$ ) का अनुमान लगाने के लिए एक परिपक्व विधि का अभाव।

2. कार्यप्रणाली (Methodology)

यह शोध पत्र SHIMM उपकरण के लिए एक परिपक्व, एंड-टू-एंड विश्लेषण पाइपलाइन प्रस्तुत करता है, जो एक तेज़ शॉर्ट-वेव इन्फ्रारेड (SWIR) SHWFS का उपयोग करके एक चमकीले एकल तारे का अवलोकन करता है। मुख्य कार्यप्रणाली वेवफ्रंट स्लोप और इंटेंसिटी फ्लक्चुएशन के सांख्यिकीय मापों से $C_n^2(h)dh$ प्रोफाइल को प्राप्त करने के लिए एक 'इनवर्स प्रॉब्लम' को हल करने पर आधारित है।

मुख्य तकनीकी घटक:

इनवर्जन फ्रेमवर्क (Inversion Framework): समस्या को $c + e = Wj $के रूप में तैयार किया गया है, जहाँ$ c $मापे गए कोवेरियेंस का वेक्टर है,$ W $वेटिंग फंक्शन मैट्रिक्स है, और$ j$ अज्ञात टर्बुलेंस प्रोफाइल वेक्टर है। समाधान को Non-Negative Least Squares (BVLS) का उपयोग करके खोजा जाता है ताकि टर्बुलेंस की भौतिक सकारात्मकता (physical positivity) सुनिश्चित की जा सके।
Z-Tilt वेटिंग फंक्शन्स:
- लेखकों ने ग्रेडिएंट (G-) टिल्ट के बजाय ज़र्निक (Z-) टिल्ट्स पर आधारित नए वेटिंग फंक्शन्स विकसित किए हैं।
- उन्होंने प्रदर्शित किया कि थ्रेशोल्डेड सेंट्रॉइड्स (जो SHWFS में उपयोग किए जाते हैं) Z-टिल्ट्स के अधिक करीब होते हैं।
- व्युत्पत्ति (derivation) वर्गाकार सब-अपर्चर को ध्यान में रखती है और ट्रैकिंग एरर से डिफरेंशियल मोशन को अलग करने के लिए एक ग्लोबल टिल्ट घटाव (subtraction) शामिल करती है।
- सत्यापन ने दिखाया कि Z-टिल्ट मॉडल सिम्युलेटेड डेटा को G-टिल्ट या मूल SLODAR विधियों ( $\chi^2_\nu \approx 6.7-7.5$ ) की तुलना में काफी बेहतर तरीके से फिट करते हैं ( $\chi^2_\nu \approx 2.1$ )।
नॉइज़ एस्टीमेशन और घटाव (Noise Estimation and Subtraction):
- कोवेरियेंस मैट्रिक्स से नॉइज़ बायस को अनुमानित करने और घटाने के लिए एक विधि लागू की गई है।
- स्लोप नॉइज़ के लिए, सिस्टम स्पॉट मोशन के टेम्पोरल ऑटोकोरिलेशन को फिट करने के लिए 600 Hz के हाई-स्पीड माप का उपयोग करता है, जो सेंट्रॉइड नॉइज़ बायस को हटाने के लिए ज़ीरो लैग तक एक्सट्रपलेशन करता है।
फाइनाइट एक्सपोजर टाइम करेक्शन (Finite Exposure Time Correction):
- वास्तविक दुनिया के सेंसरों में नॉन-जीरो एक्सपोजर टाइम होता है, जिससे "विंड स्मियरिंग" होती है जो कोवेरियेंस मापों को बायस कर सकती है।
- लेखकों ने "फ्रोजन फ्लो" हाइपोथेसिस के आधार पर एक विंड-स्पीड फ़िल्टर फंक्शन विकसित किया है।
- उन्होंने दो एक्सपोजर टाइम ( $\tau_E$ और $2\tau_E$ ) के मापों का उपयोग करके ज़ीरो-एक्सपोजर वेटिंग फंक्शन्स को गणितीय रूप से पुनः प्राप्त करने के लिए एक करेक्शन विधि लागू की है, जो तेज़ गति वाली परतों के लिए महत्वपूर्ण बायस को काफी कम कर देती है।
कोहेरेंस टाइम और विंड एस्टीमेशन (FADE मेथड):
- यह पेपर FAst DEfocus (FADE) मेथड को एकीकृत करता है।
- समय के साथ ज़र्निक डिफोकस कोएफिशिएंट ( $a_4$ ) के स्ट्रक्चर फंक्शन का विश्लेषण करके, सिस्टम प्रभावी विंड वेलोसिटी ( $V_{5/3}$ ) का अनुमान लगाता है।
- प्राप्त $C_n^2(h)dh$ प्रोफाइल के साथ मिलकर, यह कोहेरेंस टाइम ( $\tau_0$ ) की गणना करने की अनुमति देता है।
लेयर सिलेक्शन (Layer Selection):
- लेखकों ने वायुमंडलीय परतों के वर्टिकल स्पेसिंग को अनुकूलित करने के लिए वेटिंग फंक्शन मैट्रिक्स के कंडीशन नंबर का उपयोग किया।
- पाया गया कि लीनियर या लॉगरिदमिक स्पेसिंग की तुलना में "स्प्लिट-लीनियर" स्पेसिंग (जमीन के पास घने लेयर्स, उच्च ऊंचाई पर विरल लेयर्स) इल-कंडीशनिंग को कम करने में बेहतर है।

3. मुख्य योगदान (Key Contributions)

Z-Tilt वेटिंग फंक्शन्स का व्युत्पत्ति: पिछले G-टिल्ट मॉडल्स की तुलना में एक महत्वपूर्ण सैद्धांतिक सुधार, जो SHWFS सेंट्रॉइड डेटा के लिए अधिक सटीक भौतिक मॉडल प्रदान करता है।
एक्सपोजर टाइम करेक्शन: विंड स्मियरिंग प्रभावों को ठीक करने के लिए एक प्रमाणित विधि, जो स्लोप और इंटेंसिटी कोवेरियेंस के लिए आवश्यक है, विशेष रूप से दिन के समय या उच्च-हवा की स्थिति में सटीक प्रोफाइलिंग के लिए।
एकीकृत कोहेरेंस टाइम एस्टीमेशन: सिंगल-स्टार SHWFS प्रोफाइलर के भीतर FADE मेथड का एक अभिनव अनुप्रयोग, जो टर्बुलेंस प्रोफाइल और कोहेरेंस टाइम को एक साथ प्राप्त करता है।
व्यापक सत्यापन: पूरे पाइपलाइन को मान्य करने के लिए रीयल-वर्ल्ड टर्बुलेंस प्रोफाइल्स (Paranal से Stereo-SCIDAR) का उपयोग करके व्यापक एंड-टू-एंड मोंटे कार्लो सिमुलेशन।

4. परिणाम (Results)

तकनीकों को 248 टर्बुलेंस प्रोफाइल्स का उपयोग करके मान्य किया गया, जिन्हें 4-लेयर मॉडल (0, 4, 12, 20 किमी) में वर्गीकृत किया गया था।

टर्बुलेंस पैरामीटर्स ( $r_0, \theta_0$ ): सिमुलेशन ने इनपुट के साथ लगभग पूर्ण सहमति दिखाई।
- कोरिलेशन कोएफिशिएंट्स ( $r$ ) $\approx 1.00$ थे।
- नॉर्मलाइज्ड रूट मीन स्क्वायर एरर (NRMSE) बहुत कम था ( $r_0$ और $\theta_0$ के लिए 0.02)।
- बायस न्यूनतम था (जैसे, $r_0$ के लिए -0.08 सेमी)।
कोहेरेंस टाइम ( $\tau_0$ ) और विंड:
- कोरिलेशन कोएफिशिएंट्स उच्च थे ( $r = 0.98$ )।
- बड़े $\tau_0$ मानों (कमजोर टर्बुलेंस) पर स्कैटर के कारण NRMSE थोड़ा अधिक था (0.09), लेकिन नॉइज़ सबट्रैक्शन स्टेप को महत्वपूर्ण बायस को हटाने के लिए सिद्ध हुआ।
प्रोफाइल संवेदनशीलता और सीमाएँ:
- संवेदनशीलता सीमा: सिस्टम ने $C_n^2(h)dh$ के लिए लगभग $2 \times 10^{-15} \, m^{1/3}$ की डिटेक्शन लिमिट प्रदर्शित की।
- क्रॉस-टॉक: 4 किमी की परत का व्यवस्थित अति-अनुमान और ग्राउंड लेयर का कम अनुमान देखा गया। यह "क्रॉस-टॉक" को दर्शाता है जहाँ डोमिनेंट ग्राउंड लेयर से ऊर्जा गलत तरीके से पहली फ्री-एटमॉस्फियर लेयर को सौंप दी जाती है।
- उच्च ऊंचाई: 20 किमी की परत ने कमजोर टर्बुलेंस मानों के लिए कम अनुमान दिखाया, जो संवेदनशीलता सीमा के अनुरूप है।
- लुप्त परतें: नॉन-नेगेटिव लीस्ट स्क्वायर्स सॉल्वर ने कभी-कभी कमजोर परतों के लिए शून्य लौटाया (20 किमी के 18.5% मामलों तक), जो उच्च फ्रैक्शनल अनसर्टेन्टी के साथ सह-संबंधित है।

5. महत्व (Significance)

यह कार्य सिंगल-स्टार ऑप्टिकल टर्बुलेंस प्रोफाइलिंग के लिए एक परिपक्व, मजबूत और हस्तांतरणीय ढांचा स्थापित करता है।

परिचालन प्रभाव (Operational Impact): SWIR में निरंतर (24/7) टर्बुलेंस प्रोफाइल करने की क्षमता SHIMM को ऑप्टिकल कम्युनिकेशन ग्राउंड स्टेशनों के लिए साइट कैरेक्टराइजेशन और 24-घंटे के खगोलीय संचालन के लिए आदर्श बनाती है।
वैज्ञानिक प्रगति: Z-टिल्ट मॉडल्स की ओर बदलाव और एक्सपोजर टाइम सुधारों का समावेश टर्बुलेंस पुनर्निर्माण की सटीकता में महत्वपूर्ण सुधार करता है, विशेष रूप से ग्राउंड-लेयर डोमिनेटेड स्थितियों में।
स्केलेबिलिटी (Scalability): ये तकनीकें केवल SHIMM तक सीमित नहीं हैं; वे स्वाभाविक रूप से किसी भी मौजूदा टेलीस्कोप पर उच्च-गति वाले SHWFS उपकरणों के लिए हस्तांतरणीय हैं, जो बड़े AO सिस्टम के लिए बिना अतिरिक्त हार्डवेयर के "फ्री" टर्बुलेंस प्रोफाइलिंग डेटा प्रदान कर सकते हैं।
पूर्वानुमान (Forecasting): प्रदर्शित सटीकता संख्यात्मक मौसम भविष्यवाणी मॉडल में इन मापों को डेटा आसिमिलेशन (data assimilation) में उपयोग करने के समर्थन करती है, जिससे टेलीस्कोप शेड्यूलिंग और नेटवर्क अनुकूलन के लिए टर्बुलेंस पूर्वानुमान में सुधार होता है।