Depuis le début de l'ère des satellites météorologiques dans les années 1950, les améliorations continues des instruments de télédétection ont élevé la science de la Terre et ont considérablement augmenté les observations atmosphériques disponibles. De même, les scientifiques ont fait des progrès considérables dans la compréhension de l'atmosphère terrestre, climat, et environnement.

Favoriser la croissance de la science atmosphérique au cours des 20 dernières années, les sondeurs infrarouges (IR) par satellite embarqués sur des satellites en orbite terrestre basse (LEO) ont fourni des radiances IR spectrales (ou hyperspectrales) élevées. Ces sondeurs peuvent déterminer de petites différences dans les longueurs d'onde IR réfléchies, qui aident à identifier les différentes cibles de l'atmosphère. Ces données ont considérablement amélioré la modélisation et la prévision des prévisions météorologiques numériques (PNT) mondiales.

Malgré une couverture mondiale, chaque sondeur LEO ne fournit des observations que deux fois par jour pour un emplacement donné. Cependant, les sondeurs IR hyperspectraux des satellites géostationnaires en orbite terrestre (GEO) peuvent fournir une température 4D à plus haute résolution (y compris le temps), humidité, et les informations de mouvement dynamique nécessaires à l'initialisation, ou lancer une simulation de modèle. Pour refléter avec précision les changements atmosphériques tout au long d'une période de 24 heures, Les satellites LEO peuvent fournir des mises à jour de données plus fréquentes pour les modèles NWP à utiliser.

Les scientifiques développent des méthodes d'assimilation de données pour les modèles de prévision numérique du temps qui augmenteront la qualité des données d'initialisation des satellites. L'expérience de simulation de système d'observation (OSSE) est conçue pour utiliser l'assimilation de données pour étudier l'impact potentiel des futurs systèmes d'observation atmosphérique. Les processus OSSE traditionnels nécessitent des efforts importants pour calculer, simuler, et calibrer les informations, puis assimiler les données pour produire une prévision. Par conséquent, des météorologues modèles s'efforcent de rendre ce processus plus efficace.

"Nous avons étudié la valeur ajoutée d'un sondeur IR GEO-hyperspectral en utilisant la méthode hybride OSSE." a déclaré le professeur Jun Li, un scientifique distingué de l'Institut coopératif de l'Université du Wisconsin-Madison pour les études de satellites météorologiques.

Par rapport à l'OSSE traditionnel, dans un OSSE hybride, la plupart des données sont de vraies observations, à l'exception des observations des nouveaux capteurs, qui sont simulés fréquemment à travers une petite grille, analyse ou réanalyse atmosphérique globale à haute résolution. Une proposition détaillée d'applications OSSE hybrides est incluse dans un nouvel article publié dans Avancées des sciences de l'atmosphère , qui fait également partie d'un numéro spécial sur Fengyun Meteorological Satellites:Data, Demande et évaluation

Avant d'évaluer l'impact de la nouvelle méthode, Le professeur Li et son équipe ont dû valider les radiances simulées du nouveau capteur IR hyperspectral GEO pour vérifier que la simulation de nouvelles données de capteur fonctionnerait dans le système hybride OSSE. Ils ont utilisé deux cas locaux de tempêtes violentes de 2018 et 2019 dans les Grandes Plaines et le Midwest des États-Unis pour évaluer les impacts à valeur ajoutée des données IR hyperspectrales GEO.

« Nous sommes heureux de constater une amélioration de la température atmosphérique, humidité, et les prévisions de précipitations, ainsi que quelques améliorations dans les prévisions de vent. » a commenté le professeur Li concernant les résultats de la recherche.

Globalement, l'étude d'impact de l'équipe présente une valeur ajoutée, résultant en une réduction de 5% de l'erreur quadratique moyenne (RMSE) lorsque les données IR hyperspectrales GEO sont utilisées à la place des données LEO. Cela indique des applications potentielles d'un sondeur IR hyperspectral GEO qui peuvent améliorer les prévisions locales de tempêtes violentes.