Bagian 5

Input satelit untuk Numerical

Pemodelan dan Studi Iklim

Biaya operasi dan pemeliharaan jaringan global meteorologi stasiun pengamatan meningkat
secara terus-menerus dan menjadi tidak ekonomis bagi banyak negara. Banyak pengamatan
yang telah digantikan oleh pengamatan cuaca stasiun secara otomatis (AWS) dan beberapa
stasiun udara atas membuat penerbangan radiosonde dalam waktu harian baik telah ditutup atau
sedang dalam ancaman penutupan. Sementara metode peramalan cuaca berdasarkan grafik
sinoptik dan analisis memerlukan pengamatan sinoptik, tuntutan pemodelan cuaca numerik
untuk pengamatan Data yang relatif sangat ketat seperti ketepatan model prediksi tergantung
pada rekomendasi dari keadaan awal. Berbeda dengan berkurangnya komponen permukaan
sistem pengamatan global dan terus kekurangan data di atas lautan dan pada daerah banyak
tanah,Komponen ruang dari sistem pengamatan ini telah membuat langkah luar biasa dalam
beberapa tahun terakhir (Hinsman 2003). Pengamatan satelit dan produk turunan yang menjadi
bebas tersedia secara real time pada skala global dan sistem satelit meteorologi sedang terus
ditingkatkan dan diperbaiki.

Upaya terus-menerus itu dilakukan untuk mengasimilasi data satelit dan satelit yang diturunkan
produk ke model numerik dalam rangka meningkatkan perkiraan. Ini tidak mudah karena data
satelit yang tersedia di ruang dan waktu skala yang sangat berbeda dari pengamatan cuaca
sinoptik. Banyak parameter yang tidak tersedia dari jaringan terestrial sama sekali, atau tidak
diamati selama resolusi spasial dan temporal diminta oleh model.

Telah ada peningkatan yang stabil dalam kinerja model numerik selama beberapa dekade
terakhir, terutama di atas belahan bumi selatan. Perbaikan terlihat pada tahun sembilan puluhan
ke tingkat yang signifikan, karena asimilasi langsung radiances dari satelit dan produk
turunannya. Namun, ada ruang untuk melakukan perbaikan lebih lanjut dari kinerja model, dan
jelas bahwa asimilasi pengamatan satelit masa depan akan menjadi faktor penentu.

Meskipun tujuan utama dari satelit cuaca operasional berbagai negara telah untuk menambah
input konvensional tersedia untuk peramal cuaca dan pemodel, data satelit yang digunakan
dalam secara rutin menggunakan semua jenis vektor gerak awan berasal dari IR, resolusi tinggi
VIS dan WV gambar dan pesatnya gambar pemindaian (Le Marshall et al 2003, Su et al 2003)
seperti yang jelas terlihat bermanfaat bagi proses perkiraan.

Pusat Prakiraan Cuaca Eropa skala Medium (ECMWF) mengasimilasi berbagai data satelit
dalam sistem analisis 4D-Var (Courtier et al 1994). Profil kelembaban data diasimilasikan dari
HIRS, AMSU-B, AIRS dan SSM / I pada platform yang mengorbit pada kutub, serta dari
instrumen pencitraan pada sejumlah platform geostasioner. Penambahan terbaru untuk sistem
pengamatan ini adalah data dari saluran uap air SEVIRI yang diterbangkan dari satelit MSG
yang baru (Szyndel et al 2005). Semua data ini, bersama-sama dengan data dari Meteosat-5,
GOES-9, GOES-I0 dan GOES-12, memberikan cakupan total daerah tropis dengan resolusi
temporal baik. Telah ditemukan bahwa penggunaan dua saluran WV dari orbit geostasioner
muncul untuk meningkatkan analisis kelembaban yang pada gilirannya meningkatkan korelasi
anomali geopotential di belahan bumi utara, serta angin vektor di daerah tropis.

Sebuah percobaan sistem pengamatan terbaru yang dilakukan oleh ECMWF telah menunjukkan
dampak dari berbagai satelit pada sistem model prakiraan pengamatan (Kelly 2004) dengan
menghapus masukan satelit sistematis dan menilai bagaimana kinerja model tersebut memburuk.
Eksperimental dibuat untuk berbagai skenario seperti tanpa data satelit sama sekali, dengan
hanya CMWs dan hanya dengan radiances AMSU. OSE tertutup pada periode hari ke-89 pada
tahun 2002. Asimilasi CMWs ditemukan memiliki dampak yang signifikan terhadap kinerja
perkiraan ECMWF di daerah tropis sementara dampaknya tidak sedramatis di pertengahan garis
lintang dari belahan bumi selatan.

Beberapa penelitian seperti dampak asimilasi data satelit dan produk telah dibuat di India, oleh
Pusat Nasional untuk Peramalan Cuaca Skala Medium dan Departemen Meteorologi India. Das
Gupta et al (2003) telah menilai dampak dari asimilasi suhu dan kelembaban profil NOAA
ATOVS pada resolusi 120km NCMRWF analisis prakiraan global. Siklus asimilasi yang
kembali dijalankan menggunakan data A TOVS untuk bulan September 2001 dan musim hujan
fase awal 2002. Ada peningkatan secara keseluruhan dalam 72 jam perkiraan curah hujan di atas
area samudera tapi tidak di daerah yang curah hujannya tinggi di atas tanah. Data yang A TOVS
temukan untuk membantu dalam menjaga kekuatan tingkat rendah dan arus lintas khatulistiwa
di hingga prediksi 120 jam.

Selama musim hujan tahun 2000 dan 2001, kecepatan angin permukaan laut dan data total
kandungan uap air precipitable dari lima microwave yang mempunyai sensor yang berbeda
antara lain, TRMM TMI, DMSP SSMI dan Oceansat-I MSMR yang diasimilasi oleh NCMRWF
untuk menjalankan beberapa percobaan (Kar et al 2003). Hasilnya dibandingkan dengan
berjalannya operasional di mana data tersebut tidak digunakan dan ditemukan telah membuat
peningkatan yang signifikan dalam penghapusan bias kering dan angin di atas wilayah laut.

Roy Bhowmik et al (2005) dalam penelitiannya yang lain juga melibatkan Oceansat-I
menunjukkan bahwa MSMR diturunkan pada angin permukaan yang memiliki dampak positif
pada NCMRWF T -80 berlangsung pada saat terjadinya hujan di tahub 2001. Timbulnya vortex
diamati sebagai depresi lebih pada Laut Arab tenggara pada 21 Mei 2001, yang kemudian
ditingkatkan menjadi badai siklon. Eksperimental dijalankan dengan
MSMR angin mampu menangkap penguatan angin pada saat pembentukan pusaran.
Prasad (2003) telah membuat penilaian kuantitatif bagi dampak dari resolusi tinggi data vektor
angin dalam hal nilai RMSE dan obyektif tentang analisis NCMRWF dan prediksi selama
menjalankan percobaan pada bulan Maret-April 2002, di mana data arah gerak awan dari satelit
geostasioner dan angin QuikSCA T yang khusus berasimilasi.

Rambabu (2006) menganalisis beberapa kasus siklon tropis di Teluk Benggala menggunakan
model mesoscale MM5 dan set data awal yang diperkuat dengan data scatterometer QuikSCA T.
Ia menemukan bahwa masuknya data scatterometer membuat dampak positif dalam prakiraan
hingga 48 jam dan ada peningkatan 50-100 km pada akurasi prediksi track dibandingkan dengan
kontrol yang sedang berlangaung Basu et al (1997) membuat studi dampak profil kelembaban
satelit yang diturunkan pada model numerik.

Krishnamurti et al (2003) memanfaatkan jumlah hujan yang berasal dari data TMI dan SSM / I
data tersebut untuk diinisialisasi dari super-ansambel II model global, yang mampu untuk
membuat prakiraan lebih baik untuk hujan lebat selama 5 hari dan peristiwa banjir lebih dari
berbagai daerah termasuk timur laut India dan Bangladesh.