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

De weersverwachtingen waarop we elke ochtend vertrouwen, zijn gebouwd op een fundament van gegevens die vanuit de ruimte worden verzameld. Hoog boven de aarde zwevend, dragen satellieten instrumenten die fungeren als gigantische, gevoelige ogen, die de warmte-energie meten die van het aardoppervlak en de atmosfeer uitstraalt. Deze instrumenten, bekend als hyperspectrale infrarood-sounders, maken niet alleen een enkele foto; ze splitsen het licht in duizenden kleine kleurbanden, waardoor een gedetailleerde chemische vingerafdruk van de lucht eronder ontstaat. Deze informatie is cruciaal voor het voorspellen van stormen, het bijhouden van de luchtvochtigheid en het begrijpen van temperatuurveranderingen op verschillende hoogtes. Echter, de enorme hoeveelheid gegevens die deze satellieten genereren, is overweldigend. Om al die informatie begrijpelijk te maken, gebruiken wetenschappers krachtige computers om deze ruwe metingen te vertalen naar weermodellen. Een grote uitdaging is altijd geweest hoe men deze enorme datastroom kan verwerken zonder belangrijke details te verliezen of de computers die de voorspellingen uitvoeren te vertragen.

Jarenlang hebben wetenschappers deze satellietmetingen succesvol gebruikt, maar voornamelijk wanneer de lucht helder is. Wolken vormden traditioneel een barrière, omdat ze het licht verstrooien en de gegevens moeilijk interpreteerbaar maken. In de afgelopen jaren hebben onderzoekers aanzienlijke stappen gezet in het gebruik van gegevens, zelfs wanneer er wolken aanwezig zijn, een techniek die bekend staat als "all-sky" assimilatie. Dit heeft de voorspellingen verbeterd, maar het vertrouwde op het gebruik van de oorspronkelijke, ruwe gegevens van de satellieten. Omdat deze ruwe gegevens zo groot zijn, is er een groeiende behoefte om ze samen te persen tot een kleinere, meer beheersbare vorm zonder essentiële informatie te verliezen. Dit is waar een methode genaamd "reconstructed radiance" (gereconstrueerde straling) in beeld komt. In plaats van elke afzonderlijke ruwe meting te versturen, kunnen wetenschappers een wiskundig proces gebruiken om de gegevens te reconstrueren vanuit een kleinere set kerncomponenten. De grote vraag voor weervoorspellers was of deze gecomprimeerde, gereconstrueerde gegevens net zo goed zouden werken als de oorspronkelijke gegevens, vooral wanneer men door de wolken heen kijkt.

Een team van onderzoekers van het Japan Meteorological Agency en de Universiteit van Tokio zette zich af om deze vraag te beantwoorden. Ze wilden weten of ze deze gereconstrueerde gegevens konden gebruiken om de weersverwachtingen onder alle omstandigheden te verbeteren, inclusief bewolkte omstandigheden, zonder de complexe computersystemen die ze al gebruiken te hoeven aanpassen. Ze richtten zich op gegevens van de Infrared Atmospheric Sounding Interferometer, een geavanceerd instrument op polaire satellieten dat warmte over duizenden kanalen meet. Het team voerde een reeks experimenten uit met een globaal weersvoorspellingssysteem, waarbij de voorspellingen gemaakt met de oorspronkelijke ruwe gegevens werden vergeleken met die gemaakt met de gereconstrueerde gegevens. Ze testten deze methoden in twee scenario's: eerst, kijkend naar alleen heldere luchten, en tweede, kijkend naar de atmosfeer door wolken heen.

Toen ze naar de resultaten bij heldere lucht keken, toonden de gereconstrueerde gegevens een duidelijk voordeel op één specifiek gebied: ze waren veel schoner. De ruwe gegevens van de satellieten bevatten een bepaalde hoeveelheid willekeurige ruis, zoals statische elektriciteit op een radio, wat de metingen van temperatuur en luchtvochtigheid enigszins schokkerig kan maken. Het reconstructieproces filtert deze ruis effectief weg. De onderzoekers ontdekten dat het verschil tussen wat de satelliet zag en wat het computermodel voorspelde, voor de meeste kanalen veel kleiner werd. Dit betekende dat de gegevens consistenter waren. Echter, toen ze deze schonere gegevens daadwerkelijk gebruikten om weersverwachtingen te maken, waren de resultaten verrassend neutraal. De voorspellingen werden niet significant beter of slechter vergeleken met het gebruik van de oorspronkelijke ruwe gegevens. Dit suggereert dat, hoewel de gereconstrueerde gegevens schoner zijn, de computermodellen de ruis in de ruwe gegevens al goed genoeg afhandelen, zodat de extra schoonmaak de uiteindelijke weersvoorspelling niet veel verandert.

Het verhaal veranderde enigszins toen de onderzoekers hun aandacht richtten op bewolkte luchten. In de echte wereld zijn wolken rommelig en onvoorspelbaar, en ze introduceren een ander soort onzekerheid die niets te maken heeft met de ruis van het instrument. Wanneer het team de gereconstrueerde gegevens testte onder "all-sky" omstandigheden, merkten ze dat de ruisreductie die in heldere lucht werd gezien, verdween. Het verschil tussen de satelliet en het model bleef ongeveer hetzelfde als bij de oorspronkelijke gegevens. Dit is logisch, aangezien de belangrijkste bron van fouten in bewolkte omstandigheden de moeilijkheid is om de wolken zelf te modelleren, en niet de ruis van het instrument. Cruciaal was dat de onderzoekers ontdekten dat ze exact dezelfde computerinstellingen en foutafhandelingsregels voor de gereconstrueerde gegevens konden gebruiken als voor de oorspronkelijke gegevens. Ze hoefden geen nieuwe methoden uit te vinden of extra componenten toe te voegen om het systeem te laten werken.

De meest veelbelovende bevinding kwam toen ze zich concentreerden op specifieke kanalen die waterdamp in de middelste en bovenste lagen van de atmosfeer meten. Wanneer zij de gereconstrueerde gegevens voor deze specifieke kanalen onder "all-sky" omstandigheden assimileerden, verbeterden de weersverwachtingen aanzienlijk. De resultaten toonden een duidelijke positieve impact, met name voor het voorspellen van de luchtvochtigheid in de midden-troposfeer, een laag van de atmosfeer die cruciaal is voor de ontwikkeling van stormen. De verbetering was even sterk als wat ze zagen bij het gebruik van de oorspronkelijke ruwe gegevens voor diezelfde kanalen. Dit suggereert dat de gereconstrueerde gegevens een levensvatbaar alternatief zijn voor de oorspronkelijke gegevens, zelfs onder de meest uitdagende weersomstandigheden.

De studie concludeert dat de technieken die momenteel worden gebruikt om ruwe satellietgegevens in weermodellen te voeden, direct kunnen worden toegepast op deze gereconstrueerde gegevens. Dit is een essentieel inzicht voor de toekomst van de weersvoorspelling. Naarmate satellieten geavanceerder worden en nog grotere hoeveelheden gegevens genereren, zal het vermogen om die gegevens samen te persen zonder de waarde ervan te verliezen, essentieel worden. De onderzoekers ontdekten dat ze voor bewolkte luchten niet complexere versies van het reconstructieproces nodig hadden dan voor heldere luchten. Hoewel er nog enkele kleine technische vragen zijn te verduidelijken, zoals hoe men het vertrouwen van de computer in de gegevens het beste kan aanpassen om de beste kortetermijnvoorspellingen te krijgen, is de kernboodschap duidelijk. De gecomprimeerde gegevens werken. Ze bieden een manier om de enorme stroom aan satellietinformatie beheersbaar te houden, terwijl de hoge kwaliteit behouden blijft die nodig is om het weer nauwkeurig te voorspellen, zodat weervorspellers ook naarmate de datavolumes groeien, op deze krachtige instrumenten kunnen blijven vertrouwen.