La Evaluación de la Predicción de Lluvias en un Modelo de Predicción Numérica del Tiempo Asistido por un Sistema Global de Navegación por Satélite
Autores: Guo, Hongwu; Ma, Yongjie; Li, Zufeng; Zhao, Qingzhi; Zhai, Yuan
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
La Evaluación de la Predicción de Lluvias en un Modelo de Predicción Numérica del Tiempo Asistido por un Sistema Global de Navegación por Satélite
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Vapor de agua
Pronóstico numérico del tiempo
GNSS
Pronósticos de lluvia
Modelo WRF
Precisión del pronóstico
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 8
Citaciones: Sin citaciones
La información precisa sobre el vapor de agua es crucial para mejorar la calidad de la predicción numérica del tiempo. Estudios anteriores han incorporado datos de vapor de agua troposférico obtenidos de un sistema de navegación por satélite global (GNSS) en modelos numéricos del tiempo para mejorar la precisión y fiabilidad de las previsiones de lluvia. Sin embargo, falta investigación sobre la evaluación de la precisión de las previsiones para diferentes niveles de lluvia y el desarrollo de plataformas de previsión correspondientes. Este estudio desarrolla y establece una plataforma de previsión de lluvia apoyada por el modelo de investigación y previsión meteorológica (WRF) asistido por GNSS, evaluando cuantitativamente el efecto del vapor de agua precipitable (PWV) del GNSS en la precisión de las previsiones del modelo WRF para lluvia ligera (LR), lluvia moderada (MR), lluvia intensa (HR) y lluvia torrencial (TR). Se diseñan y prueban tres esquemas utilizando datos de siete estaciones meteorológicas en tierra en la ciudad de Xi"an, China, en 2021. Los resultados muestran que la asimilación del PWV del GNSS mejora significativamente la precisión de las previsiones del modelo WRF para diferentes niveles de lluvia, con tasas de mejora del error cuadrático medio (RMSE) del 8%, 15%, 19% y 25% para LR, MR, HR y TR, respectivamente. Además, el RMSE de las previsiones de lluvia muestra una tendencia a la baja con el aumento de las magnitudes de PWV asimiladas, siendo particularmente efectivo en el rango de [50, 55) mm donde el RMSE más bajo es de 3.58 mm. Además, el modelo numérico del tiempo asistido por GNSS muestra mejoras en índices estadísticos de previsión como la probabilidad de detección (POD), la tasa de falsas alarmas (FAR), el puntaje de amenaza (TS) y el puntaje de amenaza equitativa (ETS) en todas las intensidades de lluvia, con mejoras notables en las previsiones de HR y TR. Estos resultados confirman la alta precisión, las capacidades de visualización y la robustez de la plataforma de previsión de lluvia desarrollada.
Descripción
La información precisa sobre el vapor de agua es crucial para mejorar la calidad de la predicción numérica del tiempo. Estudios anteriores han incorporado datos de vapor de agua troposférico obtenidos de un sistema de navegación por satélite global (GNSS) en modelos numéricos del tiempo para mejorar la precisión y fiabilidad de las previsiones de lluvia. Sin embargo, falta investigación sobre la evaluación de la precisión de las previsiones para diferentes niveles de lluvia y el desarrollo de plataformas de previsión correspondientes. Este estudio desarrolla y establece una plataforma de previsión de lluvia apoyada por el modelo de investigación y previsión meteorológica (WRF) asistido por GNSS, evaluando cuantitativamente el efecto del vapor de agua precipitable (PWV) del GNSS en la precisión de las previsiones del modelo WRF para lluvia ligera (LR), lluvia moderada (MR), lluvia intensa (HR) y lluvia torrencial (TR). Se diseñan y prueban tres esquemas utilizando datos de siete estaciones meteorológicas en tierra en la ciudad de Xi"an, China, en 2021. Los resultados muestran que la asimilación del PWV del GNSS mejora significativamente la precisión de las previsiones del modelo WRF para diferentes niveles de lluvia, con tasas de mejora del error cuadrático medio (RMSE) del 8%, 15%, 19% y 25% para LR, MR, HR y TR, respectivamente. Además, el RMSE de las previsiones de lluvia muestra una tendencia a la baja con el aumento de las magnitudes de PWV asimiladas, siendo particularmente efectivo en el rango de [50, 55) mm donde el RMSE más bajo es de 3.58 mm. Además, el modelo numérico del tiempo asistido por GNSS muestra mejoras en índices estadísticos de previsión como la probabilidad de detección (POD), la tasa de falsas alarmas (FAR), el puntaje de amenaza (TS) y el puntaje de amenaza equitativa (ETS) en todas las intensidades de lluvia, con mejoras notables en las previsiones de HR y TR. Estos resultados confirman la alta precisión, las capacidades de visualización y la robustez de la plataforma de previsión de lluvia desarrollada.