Une prévision météorologique précise dépend d'une compréhension fondamentale de la dynamique des tempêtes et de la microphysique des nuages ​​et de leur représentation dans les modèles de prévision numérique du temps (PNT), ainsi que l'utilisation optimale des mesures multi-paramètres haute résolution, selon le professeur Guifu Zhang à l'École de météorologie, Université de l'Oklahoma, et l'un des auteurs d'un article de synthèse récemment publié dans Avancées des sciences de l'atmosphère .

Après des décennies de recherche et développement, La polarimétrie radar météorologique a mûri et les données radar polarimétriques (PRD) à haute résolution sont désormais disponibles à l'échelle nationale et mondiale. On s'attend fortement à ce que les riches informations fournies par PRD aient un grand potentiel pour améliorer l'observation, quantification et prévision du temps.

Bien qu'utilisé avec succès dans la détection de phénomènes météorologiques violents, classification des hydrométéores et estimation quantitative des précipitations (QPE), Le professeur Zhang et ses collègues notent que l'impact potentiel du PRD sur la prévision météorologique a été limité par leur utilisation souvent subjective et empirique. « Et l'écart entre les communautés de météorologie/hydrologie/ingénierie radar et de prévision numérique du temps, " dit le professeur Zhang, « empêche la réalisation du plein potentiel de la polarimétrie radar en QPF [prévision quantitative des précipitations]. »

Considérant les difficultés liées à l'utilisation optimale de ces PRD nouvellement disponibles et à l'avancement de la technologie des radars météorologiques, en plus de combler le fossé entre la météorologie radar et la prévision numérique du temps, Le professeur Zhang et ses collègues proposent une approche systématique et unifiée de l'utilisation optimale du PRD pour une QPE précise, FPQ, et des avertissements basés sur la récupération statistique avec des contraintes physiques du modèle lorsque des informations préalables sont utilisées. Cela relierait les récupérations basées sur l'observation (rangée supérieure de la figure) utilisées par la communauté de la météorologie radar avec l'analyse basée sur un modèle, également appelée assimilation de données (AD) (rangée du bas), utilisé dans la communauté NWP.

Comme illustré dans la rangée du milieu de la figure (marron), les opérateurs à terme, qui résultent de la modélisation microphysique et de la modélisation électromagnétique, et des algorithmes de recherche statistique, sont nécessaires à la fois pour les récupérations basées sur l'observation et basées sur l'AD. Chacune des récupérations doit avoir des modèles microphysiques compatibles, tels que les modèles DSD/PSD, et les relations forme/densité, modélisation et calculs électromagnétiques qui donnent des opérateurs d'observation directe précis et efficaces, ainsi que des algorithmes de récupération statistique qui peuvent gérer les erreurs de mesure, les informations de base et la covariance.

"Pour obtenir les meilleurs résultats possibles, tous les composants doivent être déterminés et sélectionnés avec précision, et utilisés conjointement et contre-vérifiés les uns avec les autres dans les algorithmes de récupération statistique, " conclut le professeur Zhang.