logo móvil
Contáctanos

Evaluación Operativa del Sistema de Pronóstico de Precipitación Basado en Radar Meteorológico de Alta Resolución

Autores: Raj, Bibraj; Sahoo, Swaroop; Puviarasan, N.; Chandrasekar, V.

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Evaluación Operativa del Sistema de Pronóstico de Precipitación Basado en Radar Meteorológico de Alta Resolución


Categoría

Ciencias Naturales y Subdisciplinas

Subcategoría

Astronomía

Palabras clave

Monzón del noreste
Predicción de lluvias
Datos de radar meteorológico
Sistema de predicción en conjunto
Puntuaciones de habilidad fraccionarias
Tormentas tropicales

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 9

Citaciones: Sin citaciones


Descripción
El monzón del noreste (NEM) es la principal fuente de lluvia para las partes sudeste de la India peninsular. Los datos de predicción de lluvia a corto plazo (es decir, ahoracasting) se basan en las observaciones de radares meteorológicos Doppler, que tienen una alta resolución espacial y temporal. Este estudio se centra en el sistema de predicción de conjunto a corto plazo utilizando datos de radar meteorológico para predecir la precipitación durante el NEM y es el primero de su tipo en la región india para evaluar el rendimiento operativo del sistema de predicción. Se han estudiado seis eventos de lluvia para la evaluación del sistema de predicción a corto plazo, donde los sistemas de precipitación son diferentes e incluyen una tormenta tropical observada en diferentes días durante la temporada NEM de 2022. Para evaluar el rendimiento del sistema, se han calculado las Puntuaciones de Habilidad Fraccionarias (FSS) en una ventana de 1 km para un tiempo de anticipación de 0-2 h para todos los eventos de lluvia con más de 750 muestras utilizando diferentes métodos de flujo óptico y tamaños de conjunto. La mejor puntuación de habilidad promedio y la puntuación de habilidad máxima obtenidas a un tiempo de anticipación de 2 h son 0.65 y 0.78 para tormentas tropicales, 0.5 y 0.78 para precipitación estratiforme y 0.15 y 0.38 para precipitación convectiva. Se ha encontrado que el rendimiento del modelo es mejor para los sistemas de precipitación que son extensos y tienen un período de vida más largo.

Otros recursos que podrían interesarte

Temas Virtualpro