Giriş: Yüksek kaliteli Precipitation Data için Eleştirel ihtiyaç

Doğru yağış ölçümü, modern meteorolojinin temel taşıdır, hidroloji ve iklim bilimi. Rainfall ve kar yağışı doğrudan tahmin, kuraklık izleme, tarımsal verimlilik, su tedarik yönetimi ve altyapının aşırı havalara dayanıklılığı sağlar. On yıllardır, operasyonel ve araştırmacılar iki birincil uzaktan algılama platformlarına dayanır: zemin tabanlı hava radarı ve Dünya-barış uyduları. Her biri, karmaşık olmayan bir belirsizlikle ortaya çıkıyor. Radar, yüksek çözünürlükte yüksek çözünürlükte yüksek çözünürlükte ve dinamik bir yaklaşım sunuyor.

Radar ve Uydu Precipitation Gözlemlerinin Temelleri

Hava Radarı: Yüksek Çözünürlük ama Menzilya

Ulusal Hava Servisi'nin ABD'deki NEXRAD ağı gibi, mikrodalga enerjilerini havaya uçurur ve suları Hidrometeors (kampiyonlar, karflakes, selamlamalar,) geri dönüş sinyalinden, yansımadan ([D:0)Z)) , son derece ayrıntılı olarak tasvir edilen ve iki-polarizasyon parametrelerinin yağmur oranını tahmin etmek, umursayı sınıflandırmak ve sınıflandırmak için elde edilebilir.

Ancak, radar kapsamı evrenseldir. Arazi tarafından yağdıran yağ, uzun binalar ve rüzgar türbinleri kalıcı gölge bölgeleri yaratır. Uzun aralıklar boyunca, radar kirişleri Dünya'nın eğriliği ve aşırılıkları nedeniyle Dünya'nın zayıflığı nedeniyle yükselir.Releksiyonda farklar, yüksek çözünürlükte sıcaklık tahminlerini karmaşıklaştırır.

Uydu Precipitation Retrievals: Global ama Coarse

Uydu bazlı yağış ürünleri çeşitli sensörlere güveniyor. Geostationary uydular (örneğin, GOES, Himawari, Meteosat) sık sık sık (g.) görüntüleyici ve kızılötesi (IR) görüntüleyici, bulut toplarının ısıtılması ile bağlantılı, AMSU, SSMIS) iki boyutlu yüzeysel ölçümler için ısıtıcı bir şekilde emisyon ve daha yüksek çözünürlükte olan yüzeyler için daha yüksek çözünürlükte.

Uydular gerçekten küresel kapsama sunarken, uzaysal çözünürlüğü radardan daha düşük - mikrodalga ayak izi genellikle en iyi şekilde 5–15 km ve 4 km. Temporal örnekleme de sınırlıdır: kutup yörüngeleri sadece günde iki kez geçer (çok sayıda ajansdan oluşan bir dizi radyometrenin takımyıldızı yaklaşık 3 saate kadar daraltılır). Pasif mikrodalga geri dönüşleri yüzeysel olarak heterojenliği (şimdi, çöl, kıyı kontrastları) ve en yüksek çözünürlükte bir yere geçer.

Stand-Alone Radar ve Uydu Datasets Limitleri

Radar veya uydu verilerini izolasyonda kullanmak, özellikle operasyonel karar verme için çöküntü analizi kalitesini bozan sistematik hatalara ve veri boşluklarına yol açıyor.

  • [FONT:0]Radar kapsama boşlukları:[Dönetici: Dünya'nın birçok yerinde radar ağları, özellikle Afrika, Güney Amerika ve okyanuslar arasında. radar zengin bölgelerde bile, kiriş blokaj ve aralık sınırlamaları büyük alanları kurtaramaz.
  • [FONT:0]Radar sistematik hataları:[Dönem:[Dönemli:0) Kiriş, anomal aforasyon, zemin dağınıklığı ve ağır yağmurda düşüş, yansıtıcı ölçümler oluşturabilir. Kalibrasyon daha fazla önyargılı nicel tahminler.
  • [FONT:0)Satellite retrieval hataları: IR tabanlı algoritmaları aşırı soğuk, yüksek bulutlar ve sıcak yağmurları kaçırın. Pasif mikrodalga retrievals, tahmin edilen buz ve sıvı su profillerine karşı hassastır ve kar-altı yüzeylere göre çökebilir.
  • [FONT:0) Sürekli örnekleme belirsizliği:[Dönder:[Dönder: 1 ) kutup yörüngelerinin aşırı uç zamanlarında, anlık yağmur oranlarında büyük hatalara yol açıyor ve özellikle de trombosit olaylarda kısa süreli olarak kaçırılabilir.

Hibrit modeller her iki sistemin güçlülerini kullanmak için tasarlanmıştır, zayıflıkları için telafi ederken, sadece kaynaktan daha doğru ve tam birleştirilmiş bir ürün üreterek.

Hybrid Radar için Mimarlıklar -Satellite Precipitation Modelleri

Hibrit bir model geliştirmek, matematiksel, istatistiksel veya makine öğrenme yaklaşımlarını kullanarak radar ve uydu yağış alanları içerir. Yöntem seçimi amaçlanan uygulamaya bağlıdır - küresel reaniz, operasyonel tahmin veya iklim izleme - uzaysal ve zamansal kararın gerektirdiği gibi.

İstatistiksel Merging ve Interpolasyon Yöntemleri

Hibrit modellerin en basit sınıfı, uzaysal koordinatörlüğü ile ilgili olarak, ölçümleme (OI)) ve [[Döneticileri (Climate Prediction Center) ile elde edilen ölçümler ile sabitlenmiş olan mikrodalga uçlu ölçümler (örneğin, sabitleme) ile ilgili ölçümler ile ilgili olarak kullanılan ölçümler ile ilgili olarak, sabitlemeler arasındaki sabitlemeler için kullanılan ölçümler ile sabitlenir.

Yaygın olarak kullanılan bir istatistiksel teknik, [[0)bias düzeltmesi), uzun vadeli uydu tahminleri aylık veya mevsimsel ölçeklerde radar veya yağmur ölçüm iklimolojisi ile eşleşmek için ayarlandığında ayarlanır.

Data Assimilation in Numerical Weather Prediction

Veri assimilasyon radarı ve uydu yağış gözlemlerini sayısal bir hava tahmini (NWP) modelinin durumuna entegre eder ve bu yaklaşım, radar ve uydu gözlemlerini karşılaştırmak için üç boyutlu olarak otomatik olarak hareket alanları sunar.Bu yaklaşım, fiziksel olarak tutarlı model analizleri üretir. Örneğin, Yüksek Çözünürlüklü (EnkF)[GPT:1) ABD'de sıcaklık, nem ve dikey hareket alanlarının bu yağışı artırmak için hızlı ve hızlı bir şekilde optimize eder.

Veri assimilasyon tabanlı hibrit modeller özellikle güçlüdür, çünkü model dinamikleri aracılığıyla zaman içinde gözlemsel bilgileri ortaya koyarlar, gözlemlerin var olmadığı yer boşlukları doldurmaktadırlar. Ancak, önemli bir hesaplama kaynakları gerektirir ve genellikle sadece ulusal HPC sistemlerine erişim ile ilgili operasyonlar veya araştırma merkezleri çalıştırılırlar.

Makine Öğrenme ve Derin Öğrenme Fusion

Makine öğrenimindeki son gelişmeler hibrit yağış modelleme için yeni yollar açtı. Neural ağlar, rastgele ormanlar ve yüksek çözünürlükte güçlendirici makineler karmaşık, çoklu kaynak girişleri (radar reflektif, mikrodalga parlak sıcaklıklar, IR bulut-top sıcaklıklar, yüzey artışları ve daha fazlası) ve bir hedef yağmur oranı üzerinde eğitim edilebilir.Bu modeller radar-satellite veri çiftleri (örneğin, e.g., GPM ve zemin radarı) gelişmiş tahminler üretmek için karmaşık.

[FONT:0]Convolutional nöral ağ (CNNs)[Dönetici:0) Özellikle de uydu tiplerini kullanan radar boşluklarını kullanan yüksek çözünürlükte bir görüntü oluşturabilirler.A CNN, radar ve uydu kanallarının bir yığınını alabilir (örneğin, IR ve mikrodalga görüntüleri) ve çıktı.

Ancak, makine öğrenme modelleri, zayıf radar-satellite korelasyonu olan bölgelerde aşırılık veya sistematik önyargıdan kaçınmak için bağımsız gözlemlere karşı dikkatli bir şekilde doğrulanmalıdır. Fiziksel kısıtlamalar (örneğin, kitlenin korunması, dikey profil varsayımları) derin öğrenme ile ilgili olarak aktif bir araştırma alanıdır.

Örnek: GPM GPM için Multi-Satellite Retrievals for GPM (IMERG)

NASA-JAXAMIZFLT:0)IMERG ürünü) muhtemelen en yaygın kullanılan karışımlı yağışlar, bir araya gelir ve tüm mevcut pasif mikrodalga uydu tahminleri ile birlikte, coğrafik uydulardan gelen tüm verilerle birlikte ve aylık ölçümler kullanarak son alan ayarlamaları gerekir. IMERG doğrudan depolama alanı radarını içerken, radar tabanlı kalibrasyonunu tercih edebilir.

Hibrit Modellerin Pratik Uygulamaları ve Faydaları

Flash Sel Önüm ve Erken Uyarı

Hibrit yağış modelleri, özellikle radar kapsamının zayıf olduğu dağlık arazide radarın ( fırtına yapısı ve hızlı güncellemeler için) uydu verileri ile (daha geniş kapsamlı hava kirliliği sistemlerini tespit etmek için gerekli olan sabit yağışları tespit etmek için gereklidir. Ulusal Hava Servisinin Flash sebat ve Intense Rainfall programı, radar gözlemlerini zamanında uyarılarla entegre eder.

Tarımsal Karar Desteği ve Drought İzleme

ABD Drought Monitor gibi, yüksek çözünürlüklü, boş yağış girişlerinden faydalanın. Hybrid modelleri, güvenilir radarın aşırı derecede düşük maliyetli bölgelerin (FEWS NET) Afrika'daki veya Güney Amerika'daki tarımsal bölgelerinde, sadece yağışlı hava saldırıları ile karıştırılması için gerekli olan zeminleri değerlendirmeleri sağlar.

Su Kaynakları Yönetimi ve Hidro Güç Operasyonları

Reservoir operatörleri, mevcut yağış ve kar paketine bağlı olarak doğru akış tahminleri gerektirir. Hybridgradasyon analizleri, hidrolojik modeller ile birleştirildiğinde, sadece radar ve rezervuar seviyelerinin daha iyi tahminlerini sağlar. ABD Ordusu Mühendisleri Birliği, Hidroloji Mühendisliği Merkezi'nin nehir bas yönetimi için modellerini kullanmak için radar-satellite bir araya getiriyor.

İklim Araştırmaları ve Reaniyaliz

Uzun vadeli, homojen yağış kayıtları iklim eğilimlerini tespit etmek ve iklim modellerini uygulamak için önemlidir. Reanized datasets (e.g., ERA5, MERRA-2) hem radarlar hem de uydu radiances (örneğin radar girişleri genellikle değerlendirme için çevrimdışı olmasına yardımcı olur). Hybrid uydu-radar ürünleri 20+ yıl boyunca, CMORPH ve PERSIANN kayıtları gibi, değişen yoğunluk, frekans ve aşırılık çalışmalarıyla ilgili olarak yaygın olarak kullanılmaktadır.

Meydan okumalar ve Future Yolları

Önemli ilerlemeye rağmen, çeşitli engeller hibrit modellere tam potansiyellerine ulaşabileceklerdir.

  • [FONT=0)Error karakterizasyon:[Dönetici:[Dönetici: 0 ) Her iki radarda ve uydu veri setlerinde hataları karmaşık, istasyon dışı ve zaman içinde ilişkili ve Hibrit modeller bu hataları doğru şekilde ortaya çıkarmak zorundadır.
  • [FONT:0) Gerçek zamanlı geç saat:[Dönetici:[Dönetici:0) Operasyonel tahminler düşük çözünürlükli ürünler gerektirir ( dakikalar içinde), ancak sofistike algoritmaları ile birden fazla veri akışını birleştirerek gecikmeleri sağlayabilir.Ensuring hesaplama verimliliği önemli bir teknik meydan okumadır.
  • [FONT:0)Data access and Interoperability:), Radar verileri farklı ülkelerden farklı formatlar, frekanslar ve kalibrasyon standartları kullanır. Küresel hibrit modeller için bu gözlemleri dengelemek uluslararası koordinasyon ve açık veri politikaları gerektirir.
  • [FONT:0)Makine genelleme öğrenir:[Dönetici:[Dönetici:0) Birleşik Devletler veya Avrupa üzerinde eğitilmiş Deep learning modelleri, farklı meteorolojik rejimlerle diğer bölgelerde iyi performans göstermeyebilir (monsoonal, orografik, tropikal okyanuslar). Transfer öğrenme ve fizik-in bilgilendirici ağlar bunu ele almak için geliştirilir.

İleriye bakıldığında, hibrit yağış analizini geliştirmek için birkaç gelişme söz konusu. ABMETSAT Polar Sistemi – İkinci Nesil (EPS-SG) ve NASA-CRA Su ve Ocean Topography (SWOT) misyonunu geliştirmek, iyi uzaysal çözüm ve yeni gözlemlenebilirlik platformlarını sunmak, bu verilerin zemindeki geniş zamanlı füzyonunu sağlayacaktır.

Belki de en heyecan verici, derin öğrenme yeteneğinin entegrasyonudur, her iki doğru ve fiziksel olarak makul olmayan analizler. [Döneticileri [Döneticileri)[Döneticileri gözlemleme sistemleri için ) Sistemleri, bu tür multi-tabiyasyonların gelişimi için açıkça çağrılar, çok-algorithm yağışlı ürünlerin her iki havayı ve fiziksel olarak makul hizmetleri desteklemesi için.

Radar ve uydu verilerini birleştiren Hybrid modeller artık bir araştırma merakı değildir - hayat kurtaran, su güvenliğini sağlayan operasyonel araçlardır ve Hidrolojik döngünün anlayışımızı derinleştirir.In sensör teknolojisi ve hesaplama yöntemleri ilerlemeye devam ettikçe, bu iki uzaktan algılama sütunlarınınfüzyonu gerçekten küresel ve yerel olarak doğru olan yağış analizleri daha da sorunsuz hale gelecektir.