Desafíos en la Predicción del Tifón Sever Koinu en 2023
Autores: He, Yu-Heng; Chan, Pak-Wai
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Desafíos en la Predicción del Tifón Sever Koinu en 2023
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Tifón
Pronóstico
Desafíos
Modelos
Advertencia
Servicios
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 6
Citaciones: Sin citaciones
Hong Kong estuvo bajo el impacto directo del severo tifón Koinu (2314) los días 8 y 9 de octubre de 2023, lo que llevó a la emisión de la señal de tormenta o vendaval creciente, número 9. Koinu fue un caso muy desafiante para los servicios de pronóstico y advertencia de ciclones tropicales debido a su tamaño compacto y movimiento errático sobre la parte norte del Mar de China Meridional. Este documento revisa las dificultades y desafíos del aspecto de pronóstico del severo tifón. Se examinan la trayectoria y la intensidad del ciclón tropical predichas tanto por modelos convencionales como por modelos emergentes de inteligencia artificial, así como el pronóstico local de viento y lluvia. La experiencia en este estudio de caso mostró que, si bien los modelos globales deterministas solo tuvieron un rendimiento moderado y no pudieron apoyar adecuadamente la advertencia temprana, un modelo regional y los modelos de IA pudieron apoyar de manera más efectiva la toma de decisiones para un servicio operativo de advertencia de ciclones tropicales.
Descripción
Hong Kong estuvo bajo el impacto directo del severo tifón Koinu (2314) los días 8 y 9 de octubre de 2023, lo que llevó a la emisión de la señal de tormenta o vendaval creciente, número 9. Koinu fue un caso muy desafiante para los servicios de pronóstico y advertencia de ciclones tropicales debido a su tamaño compacto y movimiento errático sobre la parte norte del Mar de China Meridional. Este documento revisa las dificultades y desafíos del aspecto de pronóstico del severo tifón. Se examinan la trayectoria y la intensidad del ciclón tropical predichas tanto por modelos convencionales como por modelos emergentes de inteligencia artificial, así como el pronóstico local de viento y lluvia. La experiencia en este estudio de caso mostró que, si bien los modelos globales deterministas solo tuvieron un rendimiento moderado y no pudieron apoyar adecuadamente la advertencia temprana, un modelo regional y los modelos de IA pudieron apoyar de manera más efectiva la toma de decisiones para un servicio operativo de advertencia de ciclones tropicales.