Le code open source développé par un diplômé de Penn State pourrait améliorer les prévisions météorologiques et une gamme d'autres efforts de recherche qui reposent sur l'association de modèles atmosphériques à l'imagerie satellitaire.

Yanni Cao, qui a obtenu sa maîtrise en géographie en 2016, a développé le code alors qu'il était membre du laboratoire de géoinformatique et d'observation de la Terre de Penn State (GEOlab) comme moyen de corriger les erreurs créées lorsque les données satellitaires sont combinées avec le modèle de recherche et de prévision météorologiques (WRF). Le travail a été fait en collaboration avec son conseiller, Guido Cervone, responsable du GEOLab, professeur agrégé de géoinformatique et directeur associé de l'Institute for CyberScience, et le Centre national de recherche atmosphérique (NCAR).

Pour rationaliser les calculs, le modèle WRF couramment utilisé, comme la plupart, suppose que la Terre est une sphère parfaite. Pourtant, les satellites capturent une forme sphéroïde aplatie plus réaliste de la Terre, comme les planètes sont bombées en raison de la gravité et de la rotation. Les inexactitudes dans les calculs sont causées par le déplacement des emplacements des modèles d'une sphère parfaite aux données d'observation sur Terre qui s'aplatissent près des pôles et se gonflent autour de l'équateur.

"L'idée de base est que la Terre n'est pas une sphère parfaite, " dit Cao. " Afin de faire des calculs faciles, plus, sinon tout, les modèles météorologiques voient la Terre comme une sphère parfaite. Cependant, la plupart des systèmes de télédétection voient la Terre comme un sphéroïde. Il y a une différence entre les deux. Lorsque vous utilisez des systèmes de coordonnées géographiques sphéroïdes avec un modèle sphérique, une incompatibilité est créée."

Ceci est largement connu pour provoquer des erreurs de calcul, Cao a dit, mais ces erreurs sont plus prononcées lorsque les modèles sont configurés pour fonctionner avec une résolution spatiale élevée. Par exemple, des erreurs de localisation allant jusqu'à 13 milles ont été introduites dans le modèle WRF lorsqu'il était exécuté à une taille de grille de 0,6 mille, provoquant des erreurs de température et d'autres variables météorologiques, particulièrement près des montagnes et des plans d'eau.

Pour analyser ces erreurs et développer une méthodologie qui résout ces problèmes, Cao a analysé une région des États-Unis qui est d'environ 17, 000 milles carrés. Elle a utilisé le modèle WRF dans trois scénarios :données satellitaires à basse résolution, données satellitaires haute résolution, puis des données corrigées par WRF à l'aide du code qu'elle a créé. Cao a choisi une zone dans le nord-est des États-Unis parce qu'elle contenait de grands gradients d'altitude et divers modèles d'utilisation des terres tels que les forêts, les zones urbaines et les zones humides.

Elle a utilisé les données pour quantifier l'impact de l'association de modèles WRF avec différentes résolutions de satellites sur la projection de variables météorologiques telles que la température, direction du vent, vitesse du vent et rapports de mélange atmosphérique.

« Bien que certaines de ces erreurs puissent être mineures, ils introduisent toujours un biais dans la sortie du modèle, " a déclaré Cao. " Pour les simulations à très haute résolution, ces biais sont aggravés et peuvent conduire à des erreurs significatives dans les résultats du modèle."

Ses résultats montrent que l'inadéquation a entraîné des erreurs dans les résultats du modèle pour chaque variable.

Cao a utilisé cette méthodologie pour améliorer la précision des modèles d'émissions de méthane et travaille maintenant en tant que data scientist détectant les fuites de méthane pour Picarro, une entreprise privée basée dans la Silicon Valley.

Cervone a ajouté que le code sera bénéfique dans divers domaines de recherche. "Cette recherche correspond bien aux questions étudiées au NCAR, c'est pourquoi les chercheurs étaient si intéressés à faire progresser ce nouvel outil, " a déclaré Cervone. " Et cela ne fera que s'avérer encore plus utile à mesure que l'imagerie satellitaire à haute résolution deviendra de plus en plus courante. "

La recherche a été publiée dans Développement de modèles géoscientifiques .