Evaluation of all-sky reconstructed radiance assimilation for hyperspectral infrared sounders

Le previsioni meteorologiche su cui facciamo affidamento ogni mattina si basano su una fondazione di dati raccolti dallo spazio. Orbitando in alto sopra la Terra, i satelliti trasportano strumenti che agiscono come occhi giganti e sensibili, misurando l'energia termica irradiata dalla superficie e dall'atmosfera del pianeta. Questi strumenti, noti come sounder infrarossi iperspettrali, non scattano semplicemente una singola foto; essi scompongono la luce in migliaia di minuscole bande di colore, creando un'impronta digitale chimica dettagliata dell'aria sottostante. Questa informazione è cruciale per prevedere tempeste, tracciare l'umidità e comprendere i cambiamenti di temperatura a diverse altitudini. Tuttavia, l'enorme volume di dati che questi satelliti generano è travolgente. Per dare un senso a tutto ciò, gli scienziati utilizzano potenti computer per tradurre queste misurazioni grezze in modelli meteorologici. Una sfida principale è sempre stata come gestire questo massiccio flusso di dati senza perdere dettagli importanti o rallentare i computer che eseguono le previsioni.

Per anni, gli scienziati hanno utilizzato con successo queste misurazioni satellitari, ma principalmente solo quando il cielo è sereno. Le nuvole sono state tradizionalmente una barriera, poiché disperdono la luce rendendo i dati difficili da interpretare. Negli ultimi anni, i ricercatori hanno compiuto passi significativi nell'utilizzo dei dati anche in presenza di nuvole, una tecnica nota come assimilazione "all-sky" (cielo coperto). Questo ha migliorato le previsioni, ma si è basato sull'uso dei dati originali, grezzi, provenienti dai satelliti. Poiché questi dati grezzi sono così grandi, vi è una crescente necessità di comprimerli in una forma più piccola e gestibile senza perdere l'informazione essenziale. È qui che entra in gioco un metodo chiamato "radiance ricostruita". Invece di inviare ogni singola misurazione grezza, gli scienziati possono utilizzare un processo matematico per ricostruire i dati da un insieme più piccolo di componenti chiave. La grande domanda per i previsori era se questi dati ricostruiti e compressi funzionassero altrettanto bene dei dati originali, specialmente guardando attraverso le nuvole.

Un team di ricercatori dell'Agenzia Meteorologica del Giappone e dell'Università di Tokyo si è posto l'obiettivo di rispondere a questa domanda. Volevano sapere se potessero usare questi dati ricostruiti per migliorare le previsioni meteorologiche in tutte le condizioni, incluse quelle nuvolose, senza dover modificare i complessi sistemi informatici che già utilizzano. Si sono concentrati sui dati dell'Infrared Atmospheric Sounding Interferometer, uno strumento sofisticato presente sui satelliti in orbita polare che misura il calore attraverso migliaia di canali. Il team ha condotto una serie di esperimenti utilizzando un sistema di previsione meteorologica globale, confrontando le previsioni effettuate con i dati grezzi originali rispetto a quelle effettuate con i dati ricostruiti. Hanno testato questi metodi in due scenari: prima, osservando solo cieli sereni, e secondo, osservando l'atmosfera attraverso le nuvole.

Quando hanno esaminato i risultati relativi al cielo sereno, i dati ricostruiti hanno mostrato un vantaggio distinto in un'area specifica: erano molto più puliti. I dati grezzi dei satelliti contengono una certa quantità di rumore casuale, come l'interferenza su una radio, che può rendere le misurazioni di temperatura e umidità leggermente instabili. Il processo di ricostruzione elimina efficacemente questo rumore. I ricercatori hanno scoperto che la differenza tra ciò che il satellite vedeva e ciò che il modello informatico prevedeva diventava molto più piccola per la maggior parte dei canali. Ciò significava che i dati erano più coerenti. Tuttavia, quando hanno effettivamente utilizzato questi dati più puliti per eseguire previsioni meteorologiche, i risultati sono stati sorprendentemente neutri. Le previsioni non sono migliorate né peggiorate significativamente rispetto all'uso dei dati grezzi originali. Ciò suggerisce che, sebbene i dati ricostruiti siano più puliti, i modelli informatici gestivano già bene il rumore dei dati grezzi, tanto che l'ulteriore pulizia non ha cambiato molto la previsione meteorologica finale.

La storia è cambiata leggermente quando i ricercatori hanno spostato la loro attenzione verso i cieli nuvolosi. Nel mondo reale, le nuvole sono disordinate e imprevedibili, e introducono un tipo diverso di incertezza che non ha nulla a che vedere con il rumore dello strumento. Quando il team ha testato i dati ricostruiti in condizioni "all-sky", ha scoperto che la riduzione del rumore osservata nei cieli sereni svaniva. La differenza tra il satellite e il modello rimaneva circa la stessa rispetto ai dati originali. Questo ha senso, poiché la principale fonte di errore nelle condizioni nuvolose è la difficoltà nel modellare le nuvole stesse, non il rumore dello strumento. Fondamentalmente, i ricercatori hanno scoperto che potevano utilizzare le stesse identiche impostazioni informatiche e regole di gestione degli errori dei dati originali. Non hanno dovuto inventare nuovi metodi o aggiungere componenti extra per far funzionare il sistema.

Il risultato più promettente è emerso quando si sono concentrati su canali specifici che misurano il vapore acqueo nella media e alta atmosfera. Quando hanno assimilato i dati ricostruiti per questi canali specifici in condizioni "all-sky", le previsioni meteorologiche sono migliorate significativamente. I risultati hanno mostrato un impatto positivo chiaro, in particolare per la previsione dell'umidità nella media troposfera, uno strato dell'atmosfera critico per lo sviluppo delle tempeste. Il miglioramento è stato forte quanto quello osservato utilizzando i dati grezzi originali per gli stessi canali. Ciò suggerisce che i dati ricostruiti sono un sostituto valido dei dati originali, anche nelle condizioni meteorologiche più difficili.

Lo studio conclude che le tecniche attualmente utilizzate per alimentare i modelli meteorologici con i dati grezzi satellitari possono essere applicate direttamente a questi dati ricostruiti. Questa è una scoperta vitale per il futuro della meteorologia. Man mano che i satelliti diventano più avanzati e generano quantità di dati ancora maggiori, la capacità di comprimere tali dati senza perderne il valore diventerà essenziale. I ricercatori hanno scoperto che non è stato necessario utilizzare versioni più complesse del processo di ricostruzione per i cieli nuvolosi rispetto a quelli sereni. Sebbene ci siano ancora alcune piccole questioni tecniche da risolvere, come come regolare al meglio la fiducia del computer nei dati per ottenere le migliori previsioni a breve termine, il messaggio centrale è chiaro. I dati compressi funzionano. Offrono un modo per rendere gestibile l'enorme flusso di informazioni satellitari mantenendo l'alta qualità necessaria per prevedere il tempo con precisione, assicurando che i previsori possano continuare a fare affidamento su questi potenti strumenti anche mentre i volumi di dati crescono.