مقدمه: چرا اطلاعات دقیق پیش بینی می شود

پیش بینی - برف، sleet و تگرگ - یک راننده اساسی از چرخه آب زمین است. اندازه گیری دقیق بارش برای کشاورزی، مدیریت منابع آب، پیش بینی سیل، نظارت خشکسالی و تحقیقات آب و هوا، حتی اندازه گیری های باران زمینی ستون فقرات شبکه های مشاهده بارش را تشکیل می دهد.

Remote Sensing چیست؟

سنجش از راه دور اشاره به کسب اطلاعات در مورد یک شی یا پدیده بدون برقراری ارتباط فیزیکی با آن دارد.در زمینه مشاهده زمین، آن را شامل ابزارهای حمل شده بر روی ماهواره ها، هواپیما یا هواپیماهای بدون سرنشین که تابش الکترومغناطیسی منعکس شده یا از سطح زمین و اتمسفر منتشر می شود، این اندازه گیری ها سپس پردازش می شوند تا به منظور استنباط خواص فیزیکی مانند دما، رطوبت، ساختار ابر و شدت بارش.

انواع سنسور کلیدی برای پیش بینی

  • سنسورهای مایکروویو گذرا به طور طبیعی تابش تابش تابش تابش تابش تابش تابش تابش تابش تابش تابش از هیدرومترها (شششخم، گل های برف، تگرگ) این سیگنال ها به شدت با شدت بارش مرتبط هستند، و آنها را به یک ابزار اولیه برای تخمین باران از فضا متصل می کند.
  • سنسورهای فعال ، مانند رادارهای بارش، پالس های انرژی مایکروویو را منتشر می کنند و سیگنال عقب را اندازه گیری می کنند، این امر پروفایل های عمودی دقیق بارش، از جمله تمایز بین باران و برف را فراهم می کند.
  • [IR] سنسورهای مادون قرمز [FLT 1] در ماهواره های جغرافیایی اندازه گیری دمای بالای ابر، ابرهای سرد، ابرهای بالا با سیستم های عمیق گرد و غبار مرتبط هستند، و اجازه می دهد الگوریتم های مبتنی بر IR برای کاهش نرخ بارش باران.در حالی که کمتر مستقیم از مشاهدات مایکروویو، داده های IR فرکانس زمانی بالا (هر 5 تا 15 دقیقه) را ارائه می دهد و برای نظارت بر زمان واقعی بسیار مهم است.

چگونه Remote Sensing Data Collection را پیش بینی می کند

اندازه گیری های باران زمینی و رادارهای آب و هوایی، بارش محلی را با دقت خوب ثبت می کنند، اما نمی توانند کل جهان را به طور یکنواخت پوشش دهند.

  • پوشش فضایی: ماهواره ها می توانند هر بخش از زمین را مشاهده کنند، از جمله اقیانوس ها، مناطق قطبی و زمین کوهستانی غیرقابل دسترس، این امر باعث ایجاد آب و هوای جهانی بارش می شود که به تنهایی از شبکه های نا حساس به دست نمی آید.
  • ] پوشش زمان بندی: ماهواره های متعدد کار با هم می توانند زمان های چند ساعت را ارائه دهند. سیستم عامل های ژئوstationary پوشش مداوم در یک منطقه ثابت ارائه می دهند و هر 5 تا 15 دقیقه به روز می شوند.
  • Consistency: ابزار ماهواره ای کالیبره شده و در سراسر ماموریت ها کالیبره شده اند، تولید سوابق بلند مدت که برای تشخیص روند و تنوع مربوط به تغییرات آب و هوایی حیاتی است.
  • ساختار ماهرانه: سنسورهای فعال مانند رادار پیش بینی دوگانه (DPR) در اندازه گیری جهانی پیش بینی (GPM) رصدخانه هسته اطلاعات سه بعدی در مورد بارش، افشای لایه ذوب، نرخ باران در ارتفاع های مختلف و شدت طوفان های گرد.

ماموریت های کلیدی و مشارکت آنها

اندازه گیری پیش بینی جهانی (GPM)

در سال 2014 به عنوان یک ماموریت مشترک بین ناسا و آژانس اکتشاف هوافضایی ژاپن (JAXA)، رصدخانه هسته GPM هر دو یک رادار پیش بینی دوگانه و تصویر الکترونیکی GPM (GMI) را حمل می کند، GPM به عنوان یک استاندارد مرجع برای یک صورت فلکی بین المللی ماهواره های شریک عمل می کند، و تخمین های بارش یکپارچه را هر 30 دقیقه در سراسر جهان ارائه می دهد.

ماموریت اندازه گیری باران های گرمسیری (Tummer Rainfall Surveying Mission)

این اطلاعات از سال 1997 تا 2015 پیشگام رادار بارش فضایی و تابش مایکروویو بر فراز تروتیک ها و زیرتروفیلیک ها بود. داده های آن پایه GPM را گذاشته و همچنان برای مطالعات آب و هوایی مورد استفاده قرار می گیرد.

[[ویرایش] [۱] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [[[[[[[[[[[۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳

[[ویرایش] [۱] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳]

مزایای Remote Sensing در مطالعات پیش بینی

  • پوشش فضایی بدون مرز: ماهواره ها اقیانوس ها (70٪ از سطح زمین)، مناطق دور زمین و مرزهای سیاسی که برای ساخت و ساز بر روی زمین دشوار است.
  • دسترسی به زمان نزدیک: بسیاری از محصولات ماهواره ای در عرض چند ساعت مشاهده در دسترس هستند، پشتیبانی از هیدرولوژی عملیاتی، هشدار سیل و پاسخ فاجعه.
  • ] رکوردهای طولانی مدت آب و هوا: با پردازش دقیق، رکوردهای ماهواره در حال حاضر بیش از 20 سال، امکان تجزیه و تحلیل فصلی برای تنوع و روند کاهش در شدید بارش.
  • گزارش با مدل های آب و هوایی عددی: داده های بارش ماهواره ای به مدل های پیش بینی آب و هوا، بهبود دقت پیش بینی شده برای طوفان و حوادث بارش.
  • پشتیبانی از مدیریت منابع آب: [FLT 1] نقشه های دقیق بارش، مدل های هیدرولوژیکی را برای عملیات مخزن، برنامه ریزی آبیاری و نظارت بر خشکسالی هدایت می کند.

درخواست های داده های پیش بینی شده

پیش بینی آب و هوا و حالا

محصولات با وضوح بالا بارش ماهواره ای به سیستم های پیش بینی آب و هوایی عددی عملیاتی (NWP) تغذیه می کنند، به عنوان مثال، مجموعه داده IMERG توسط سرویس آب و هوا ملی ایالات متحده برای بهبود پیش بینی های کوتاه مدت و هشدار های سیل، به ویژه برای بارش های آلودگی که در آن پوشش رادار زمینی پراکنده است، استفاده می شود.

تحقیقات آب و هوا

داده های جهانی بارش ناشی از سنجش از راه دور برای معتبر کردن مدل های آب و هوایی، مطالعه پاسخ چرخه آب به گرم شدن، و ردیابی تغییرات در الگوهای موسون، چرخه ENSO و محققان فعالیت طوفانی گرمسیری در NOAA مراکز ملی برای اطلاعات زیست محیطی [FLT: 1] استفاده از این سوابق به تولید ارزیابی های آب و هوا و هوا و هوا و ارزیابی طبیعی.

کشاورزی و امنیت غذایی

در بسیاری از مناطق در حال توسعه، اندازه گیری باران زمینی کمیاب است. تخمین بارش های ماهواره ای تولید محصول، سیستم های هشدار دهنده اولیه خشکسالی (مانند شبکه سیستم های هشدار دهنده اولیه Famine) و محصولات بیمه برای کشاورزان کوچک را قادر می سازد.

هیدرولوژی و مدیریت آب

مدل های پیش بینی سیل نیاز به ورودی دقیق و فضایی توزیع شده باران دارند. داده های سنجش از راه دور برای کالیبره کردن مدل های هیدرولوژیکی برای حوضه های رودخانه بزرگ، برای نظارت بر بسته بندی برف (نوعی از بارش جامد)، و برای ارزیابی تاثیر رویدادهای شدید مانند رودخانه های جوی در ساحل غربی ایالات متحده استفاده می شود.

چالش ها و محدودیت ها

علی رغم مزایای تحول، سنجش از راه دور بارش بدون چالش نیست.

  • قطعنامه داده: سنسورهای مایکروویو Passive قطعنامه های فضایی را در مورد سفارش 10 تا 50 کیلومتر، که ممکن است برای برنامه های محلی بسیار ضخیم باشد، سنسورهای فعال با وضوح بالا (به عنوان مثال، GPM DPR) ارائه می دهند - 5 فوت، اما پوشش محدود به غیر معمول است.
  • ] کالیبر و اعتبار: برآورد ماهواره نیاز به کالیبراسیون ثابت در برابر حقیقت زمین ( سنجنده های مغز، disdrometers، رادارهای زمینی) دارد.
  • پیچیدگی الگوریتم های بازیابی: تبدیل رای مشاهده شده به نرخ بارش شامل مدل های فیزیکی است که فرض می کنند توزیع های اندازه هیدرومتری، شکل های ذرات و پروفیل های جوی خاص.
  • باران و نور بازیابی مایکروویو از برف و بارش بسیار نور (به عنوان مثال، drizzle) به دلیل سیگنال های ضعیف و امضاهای مبهم به چالش می کشد.
  • شکاف های نمونه برداری زمان: اگر چه صورت فلکی بهبود پوشش، شکاف هنوز بین فراز ماهواره وجود دارد، به ویژه در مناطق قطبی و برای رویدادهای کوتاه مدت.

مسیر های آینده در Remote Sensing of Precipitation

نوآوری های متعددی در افق وعده می دهد تا مرزهای کیفیت و سودمندی داده های بارش را تحت فشار قرار دهد:

ماموریت های ماهواره ای پیشرفته

ماموریت های نسل بعدی مانند ماموریت اندازه گیری ناسا-JAXA (PMM) به دنبال، سازمان فضایی اروپا EarthCARE (cloud، aerosol و رادار بارش)، و آینده EUSAT سیستم قطبی - نسل دوم [FLT: 1] سنسورهای بهبود یافته با وضوح بالاتر، حساسیت بهتر و برف بیشتر، و دوباره دوباره دوباره دوباره دوباره دوباره دوباره دوباره دوباره دوباره دوباره دوباره دوباره دوباره دوباره به برف می رسند.

ادغام ماشین یادگیری

تکنیک های یادگیری عمیق و همجوشی داده ها برای ترکیب مشاهدات ماهواره ای با داده های زمینی، محصولات تجزیه و تحلیل و مدل های با وضوح بالا استفاده می شود، این روش های ترکیبی می توانند سوگیری های بازیابی را کاهش دهند و زمینه های بارش را در وضوح زیر کیلومتر بر زمین ایجاد کنند.

ماهواره های کوچک و بیانیه ها

ظهور ماهواره های کوچک کم هزینه و CubeSats پتانسیل استقرار صورت فلکی متراکم را فراهم می کند که می تواند بارش را با وضوح زمانی بسیار بالا (10 تا 15 دقیقه) شرکت هایی مانند سیاره و Spire در حال بررسی تکنیک های پنهان سازی رادیویی مایکروویو و GNSS برای تخمین بارش باران هستند.

بهبود شبکه های کالیبراسیون زمینی

گسترش سایت های با کیفیت بالا، از جمله آرایه های برش متری و شبکه های متراکم از اندازه گیری باران کم هزینه، کمک خواهد کرد الگوریتم های ماهواره ای را اصلاح کند. آزمایشگاه ملی طوفان های شدید ملی برنامه اعتباربخشی زمین GPM را اجرا می کند که کمپین های میدانی را برای آزمایش و بهبود مدل های بازیابی گسترش می دهد.

نتیجه گیری

سنجش از راه دور اساساً تغییر داده است که چگونه دانشمندان و سازمان های عملیاتی جمع آوری، تجزیه و تحلیل و استفاده از داده های بارش را فراهم می کنند، ماهواره ها یک دیدگاه مداوم و جهانی ارائه می دهند که هیچ شبکه مبتنی بر زمین نمی تواند به تنهایی به تنهایی به دست آورد، در حالی که چالش ها باقی می مانند حل ویژگی های ظریف، نور و باد جامد، و حفظ کالیبراسیون در طول دهه ها - پیشرفت های تکنولوژیکی سریع در سنسورها، یادگیری ماشین، یادگیری ماشین، و کوچک ماهواره ها به طور مداوم این قابلیت های آب و آب را در حال افزایش می دهد، به عنوان تغییر می دهد، و تجزیه و هوا و هوا و تحلیل منابع آب و تجزیه و هوا، تنها به عنوان تغییر می دهد.

[[ویرایش] [۱] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[