Hiểu được nguồn dữ liệu về mưa

Phân tích lượng mưa từ xa bắt đầu với dữ liệu chất lượng cao. Nhiều nguồn tin đưa vào một bức ảnh toàn diện về mẫu mưa, cường độ, và thời gian. Nguồn dữ liệu chính bao gồm:

  • Trạm thời tiết dựa trên các trạm ) – Các máy đo gió tự động và bộ cảm biến bùng phát cung cấp các điểm đo lường tại độ phân giải thời gian cao. Mạng như Chương trình Khí tượng Thời tiết Quốc gia cung cấp hồ sơ dài hạn cần thiết cho việc phân tích xu hướng.
  • radar thời tiết (v. d., NEXRAD) ) – radar Doppler ước tính lượng lượng lượng mưa trong vùng rộng với độ phân giải không gian giảm xuống còn 1 km. Độ sáng phản xạ được chuyển thành mức mưa, mặc dù tính toán chống lại độ đo lường là cần thiết để giảm thành kiến.
  • Cảm biến từ xa ) – vệ tinh như lượng mưa toàn cầu (GPM) và sứ mệnh của Trạm mưa nhiệt đới (TRMM) cung cấp gần bao phủ, đặc biệt có giá trị trên đại dương và các vùng xa xôi.
  • Mô hình hóa và phân tích lại sản phẩm ) – Mô hình như phân tích khu vực Bắc Mỹ hợp nhất quan sát với các mô phỏng dựa trên vật lý để tạo ra các trường dự phòng có sẵn từ nhiều thập kỷ trước.

Kết hợp các nguồn này thông qua dữ liệu hợp nhất sẽ tăng độ chính xác. Ví dụ, phương pháp đa cảm ứng đa năng cho GPM (MERG) kết hợp vệ tinh, đo lường, và dữ liệu radar để tạo ra lượng mưa trong nửa giờ, cao ước tính. Cách tiếp cận đa giác này là thiết yếu để nắm bắt tính đa biến đổi trong các sự kiện cực đoan, nơi mà một đánh giá có thể đánh giá thấp một trận mưa cục bộ.

Kỹ thuật phân tích cấp cao

Phân tích mức độ thống kê và mức độ phổ biến

Các phương pháp truyền thống như Các phương pháp như [FLT: 0] [FEP:] [FEP:] [FBLT: 0]], thường là 10, 50 năm trở lại. Các tiêu chuẩn thiết kế cơ bản [FLT: 1] [và giam giữ nước bão] vẫn còn dựa trên các đường cong này. Tuy nhiên, thay đổi vị trí đang làm cho giả định mã nhận diện thời gian bị lỗi, làm cập nhật bằng cách sử dụng tần số không phải theo thời gian để phân tích độ trước thời hạn.

Học hỏi sâu sắc và máy

Tiến bộ gần đây trong trí thông minh nhân tạo đã hiệu lực mạng lưới cảm ứng bây giờ phát âm ) – dự báo ngắn hạn trước 6 giờ. Các công cụ này đã được triển khai trong hệ thống cảnh báo hoạt động sớm (ConvLSTM) và tạo ra mạng lưới đối kháng (GN) được đào tạo trên chuỗi radar có thể dự đoán sự di chuyển của tế bào với khả năng số cực truyền thống trong vài giờ đầu tiên. Những công cụ này đã được triển trong hệ thống cảnh báo hoạt động sớm hơn để tạo ra những trận lụt.

Công việc định trước và định trước về sự công bình

Những mô hình dự báo thời tiết nhiều lần với điều kiện đầu tiên hơi mơ hồ để tạo ra những máy bơm dự báo đặc biệt. Sự lan rộng giữa các thành viên cung cấp một số sự không chắc chắn. Các nhà điều hành cơ sở hạ tầng sử dụng dự báo dự đoán dự đoán xác suất để đưa ra những quyết định dựa trên rủi ro, chẳng hạn như dàn xếp các nhóm khẩn cấp hoặc định vị trước, thay vì dựa vào một dự báo nhất định.

Những ứng dụng vượt qua những khu vực quan trọng

Chuyển

Phân tích độ mưa trực tiếp ảnh hưởng đến đường và đường sắt. Mưa lớn giảm thiểu ma sát và tầm nhìn, và có thể gây ra các bãi đáp cạn trên dốc. Bộ phận vận tải sử dụng dữ liệu thời gian đầu để kích hoạt các giới hạn tốc độ, đường dẫn nước gần lũ, và quản lý cơ sở hạ tầng. Các sân bay cũng được lợi ích: dữ liệu radar giúp dự đoán sự chậm trễ và sự tích tụ nước, cho phép bảo trì năng hoạt động.

Đối với mạng lưới đường sắt, việc rửa chén là một rủi ro chính. Bằng cách kết hợp dự báo mưa với các mô hình bão hòa đất (v. d., sử dụng chỉ mục dự báo mưa trước thời tiết), các nhà điều hành có thể đưa ra hạn chế tốc độ hoặc tạm dừng dịch vụ trên các phân khúc dễ bị tổn thương. Một cuộc nghiên cứu của các nhà nghiên cứu về các khu vực Đông Bắc Hoa Kỳ phát hiện rằng dự đoán thời tiết có khả năng tích hợp trong giờ kiểm tra giảm thiểu sự chậm trễ về thời tiết đến 15%.

Năng lượng

Hệ thống điện dễ bị mưa quá mức. Mưa có thể gây ra những tia chớp trên đường truyền do sự gia tăng ô nhiễm, và ngập ngập nước các trạm phụ. Phân tích [FLT: 0] xu hướng tăng [FLT: 1] thông báo về chiến lược làm cứng lại: thiết bị quan trọng, cài đặt hệ thống dẫn nước và cải thiện cơ sở thoát nước xung quanh.

Các hoạt động thủy điện phụ thuộc vào dự báo lượng mưa cho việc quản lý nguồn nước. cho phép các nhà điều hành đập nước cân bằng việc kiểm soát nước bằng nguồn nước. tránh bị kiểm soát quá tải.

Nước và nước thải

Hệ thống nước mưa được kích thước dựa trên thống kê về mặt lịch sử. Với khí hậu thay đổi, nhiều hệ thống hiện nay đã bị hạn chế. Phân tích lượng mưa thấp cho phép [FLT: 0] cơ sở hạ tầng xanh hoạch định: vườn mưa, vỉa hè có thể mở rộng, và lưu trữ được dùng bản đồ cường độ phân giải cao. Các nhà máy xử lý nước thải cũng sử dụng dữ liệu thời gian thực để kết hợp các cống rãnh, kích hoạt đường hầm chứa nước trong những sự kiện mưa lớn.

Một ví dụ đáng chú ý: Hệ thống đường hầm sâu của quận tính từ vùng cảng ở thành phố tính toán các đường hầm ở thành phố tính toán có khả năng tích trữ 521 triệu gallon, được vận hành bằng cách sử dụng các ước tính về lượng mưa radar và dự báo có thể dò được. Hệ thống này đã giảm dần tần số bị tràn hơn 80% kể từ khi thực hiện.

Liên lạc

Mạng viễn thông răng — đặc biệt là mạng lưới vi sóng và vệ tinh — bị hư hỏng bởi lượng mưa lớn do sự tăng áp khí quyển. Phân tích lượng mưa giúp các kỹ sư thiết kế ngân sách liên kết với các lề và các kế hoạch khác nhau. Tháp tế bào gần bờ biển cũng phải đối mặt với nguy cơ lũ lụt; phân tích lượng mưa và sự gia tăng dữ liệu tổng hợp từ tháp cao và vị trí dự phòng.

Nghiên cứu về tính kiên trì

Thành phố ven biển: Norfolk, Virginia

Norfolk phải đối mặt với nước lũ ngập lụt kinh niên từ cả lượng mưa và mực nước biển tăng lên. Thành phố này tạo ra kế hoạch quản lý sau khi phân tích dữ liệu mưa lịch sử và các dự báo vệ tinh khí hậu trong tương lai. Dùng dữ liệu IMERG và mạng đo lường địa phương, họ xác định 20 lượng nước thải có rủi ro cao. Liên tục cài đặt kho chứa bên ngoài, sinh vật sống, và điều khiển cổng thời gian thực tại các cơn bão ngoài. Sau đó, trong vòng mười năm mưa bão trong vùng phi công giảm 60%.

Thành phố mù: London dưới lòng đất

Các sự kiện mưa nhiệt độ cực lớn (FLT:1) gây ra sự xâm nhập vào mạng lưới của London, làm gián đoạn dịch vụ dịch vụ. Giao thông cho London (TB) áp dụng [FLT: 0] phân tích tần số [FLT: 1] [FLT: 1] cho mạng lưới của nó. Công ty bây giờ sử dụng ngưỡng 40 mm trong 24 giờ để kích hoạt sự đóng cửa trước trận lũ và máy bơm di động. TL cũng mở rộng độ lượng mưa từ 12 đến 35 trạm trên mạng, cải tiến việc làm sạch.

Sự an toàn của đập: Oroville đập, California

Sau cuộc khủng hoảng đường nước tràn năm 2017, Bộ Tài nguyên Nước California nâng cấp hệ thống kiểm tra lượng mưa của nó. Họ lắp đặt một mạng lưới dày gồm 48 máy đo mưa ở dòng nước Ni lông vũ và chấp nhận dự báo mưa có chất gây nhiễu từ Trung tâm Châu Âu cho dự báo thời tiết vừa-Ragegen (ECWF). Các công cụ phân tích mới cho phép các nhà điều khiển bắt đầu phát tán lên đến 72 giờ trước khi cơn bão lên cao nhất, giảm áp lực trên đường đổ tràn.

Phân tích lượng mưa vào chính sách và hoạch định

Để phân tích trước khi giải thích tính bền bỉ, cần phải có trong các tiến trình lên kế hoạch. Viện Hàn lâm Khoa học Quốc gia khuyên các cơ sở hạ tầng nên chấp nhận [FLT: 0] khung rủi ro [FLT: 1) để kết hợp dự đoán cập nhật mỗi năm. Nhiều đô thị hiện nay đòi hỏi các nhà phát triển sử dụng định lượng mới nhất NOA Atlas 14 (hoặc Atlas 15) mức độ dự đoán trước thời hạn của sự bão lụt.

Hội các kỹ sư dân sự Hoa Kỳ (ASCE) Tiêu chuẩn 24- 20, Cơ quan Chống lụt Thiết kế và Xây dựng, tham khảo sự phân tích lượng mưa để xác định lượng nước lũ. Tương tự, Cơ quan Quản lý Khẩn cấp Liên bang (FEMA) sử dụng dữ liệu dự phòng để định Khu vực dự trữ đặc biệt. Một cách khích lệ, chương trình phòng chống tham nhũng rủi ro của FEMA hiện nay tích hợp dữ liệu vệ tinh để cập nhật bản đồ lũ thường xuyên hơn.

Sự thay đổi khí hậu dẫn đến sự không phải là sự ngẫu nhiên. Bảng điều hành liên chính phủ về thay đổi khí hậu (IPCC) Dự án Báo cáo về sự kiện xác định thứ sáu cho thấy tần số các sự kiện 100 năm sẽ tăng ở nhiều vùng. Vì vậy, các nhà hoạch định cấu trúc phải vượt quá các ghi chép lịch sử. Một phương pháp thông thường là áp dụng [FLT: 0] để tránh thành kiến về định kiến GC.

Hướng tương lai

Trình chiếu hình ảnh siêu thanh với Iot và AlI

Giá của các cảm biến thời tiết đã giảm đáng kể. Mạng lưới của lượng mưa thấp, cảm biến độ ẩm đất và hệ thống nước hiện tại được đưa vào các nút điện toán chạy trên mạng. Những mạng này của hệ thống thoát nước có thể mô phỏng phản ứng trong thời gian thực, cho phép dự đoán hoạt động bảo trì và tự động ngập lụt.

Sóng không gian

Nhiệm vụ tổng hợp toàn cầu của NASA (NOSAR) được lên kế hoạch cho 2025, sẽ cung cấp dữ liệu độ ẩm đất phân giải cao mà gián tiếp cải thiện các mô hình phun trào. kết hợp với các vệ tinh địa tĩnh thế hệ tiếp theo như GES-U, thời gian dẫn đầu cho lượng mưa lớn có thể kéo dài từ ngày đến tuần với độ chính xác hoạt động.

Theo dõi tập hợp

Chương trình khoa học công dân như CoCoRaHS, đã đóng góp hàng ngàn lượng mưa hàng ngày để đánh giá các quan sát. kết hợp những dữ liệu này thông qua các thuật toán kiểm soát chất lượng có thể bổ sung cho mạng lưới chính thức phân hủy, đặc biệt là ở các nước đang phát triển. dự án ở châu Phi Sub- Sahara đã cho thấy sự cải thiện 30% kỹ năng dự báo lũ lụt khi dữ liệu cộng đồng được bao gồm.

Kết luận

Phân tích độ mưa không phải là một bài tập lý thuyết — nó là một nền tảng thực tế để bảo vệ cuộc sống, tài sản và xã hội hệ thống phụ thuộc vào. Từ việc nâng cấp hệ thống cống dẫn đến quản lý hồ chứa và giữ tàu chạy, khả năng đo lường, dự đoán, và hành động trên dữ liệu mưa là nền tảng của sự thích nghi khí hậu quan trọng. Như thời tiết khắc nghiệt, tiếp tục đầu tư vào nền tảng dữ liệu, công cụ phân tích, và nhân được đào tạo sẽ xác định làm thế nào các cộng đồng được miêu tả ở đây là cách thức tiếp cận vệ tinh — tần số không phải máy chủ, phân tích tần số hình, và qua đường kính và qua ứng dụng sẵn sàng cho ngày hôm nay để hỗ trợ.