La température de surface terrestre (TST) est la variable clé de l’interaction terre-atmosphère, ayant un impact important sur les prévisions météorologiques et climatiques. Bien que des progrès aient été réalisés dans l’assimilation des données au sein des modèles couplés terre-atmosphère, l’assimilation faiblement couplée reste prédominante. Cela signifie que les interactions entre composantes croisées entre terre et atmosphère ne sont pas suffisamment prises en compte lors du processus d’assimilation, ce qui rend difficile la réalisation d’une analyse cohérente entre les variables terre et atmosphère.
L’équipe du professeur Yaodeng Chen de l’Université des sciences de l’information et de la technologie de Nanjing (NUIST) a construit une covariance d’erreur de fond couplée qui croise les composantes terrestres et atmosphériques pour répondre au problème critique de l’assimilation de données fortement couplées entre la terre et l’atmosphère. Leur travail révèle le lien entre l’erreur de fond des variables de surface et atmosphériques et a été publié dans Lettres scientifiques atmosphériques et océaniques.
Tout d’abord, l’étude a généré des échantillons de prévisions climatologiques et d’ensemble basés sur la saison mei-yu 2023, puis la covariance de l’erreur de fond entre composantes a été calculée à l’aide de techniques d’estimation des erreurs de prévision. Les résultats de l’étude montrent que l’erreur du LST était principalement corrélée à la température atmosphérique, que la corrélation diminuait avec l’augmentation de l’altitude atmosphérique et que l’erreur de l’écart type du LST était sensiblement plus grande que celle de l’atmosphère de basse altitude. température.
L’équipe a également sélectionné deux jours présentant de grandes différences dans les conditions météorologiques pour la caractérisation, et les résultats ont montré que la corrélation des erreurs et l’écart type d’erreur du LST et la température et l’humidité atmosphériques de bas niveau étaient étroitement liées au fond météorologique, avec des variations diurnes évidentes. .
L’équipe de recherche prévoit d’explorer l’impact des différentes saisons sur les résultats dans des études ultérieures et d’appliquer davantage ces résultats à l’assimilation de données terre-atmosphère fortement couplées. Ces études contribueront à améliorer encore les capacités de prévision des modèles couplés terre-atmosphère, en fournissant des informations plus précises pour les prévisions météorologiques et l’alerte précoce.
Plus d’information:
Qihang Yang et al, Construction et analyse caractéristique de la covariance de l’erreur de fond couplée à la température de la surface des terres, Lettres sur les sciences atmosphériques et océaniques (2024). DOI: 10.1016/j.aosl.2024.100512