پیش‌بینی میزان برف در طول طوفان‌های زمستانی می‌تواند چالش برانگیز باشد، عمدتاً به دلیل ظاهر مشابه مناطق برف سنگین و بارش مخلوط در تصاویر رادار هواشناسی.
برای حل این موضوع، محققان در دانشگاه ایالتی کارولینای شمالی یک روش جدید برای ادغام یکپارچه تصاویر استاندارد رادار آب و هوا و داده‌های مربوط به نوع بارش ایجاد کرد. این روش به پیش بینی کنندگان آب و هوا و دانشمندان جوی اجازه می دهد تا به سرعت و به راحتی بین برف سنگین و بارش مخلوط تمایز قائل شوند و درک آنها از پویایی طوفان های زمستانی را افزایش می دهد.
روش جدید، که به عنوان "بی صدا کردن تصویر" شناخته می شود، با کاهش برجستگی بصری بارش مخلوط در تصاویر متحرک رادار، مناطقی را که فقط برف یا فقط باران دارند قابل توجه تر می شود. عمدتاً متکی بر ادغام دو منبع اطلاعات در یک نمایشگر بصری است: بازتاب رادار و ضریب همبستگی.
انعکاس نشان دهنده شدت بارش شناسایی شده توسط رادار است. مقادیر ضریب همبستگی نشان دهنده سازگاری اشکال و اندازه ذرات بارش در یک طوفان است.
لورا تامکینز، کاندیدای دکترا در مرکز تجزیه و تحلیل جغرافیایی ایالت NC و نویسنده اصلی این مطالعه، گفت: برای دانشمندانی که مطالعه می کنند بارش برف ناشی از طوفان های زمستانی، نادیده گرفتن تصویر کمک می کند تا اطمینان حاصل شود که آنها ویژگی های مناسب را تجزیه و تحلیل می کنند."
با این حال، مقادیر ضریب بازتاب و همبستگی معمولاً به عنوان محصولات جداگانه ترسیم می شوند. روش کار به این صورت است که پیش‌بینی‌کنندگان بین بازتابی و ضریب همبستگی به عقب و جلو حرکت می‌کنند تا ببینند بارش مختلط کجاست.
"در حالی که جابجایی مکرر بین نقشه ها به اندازه کافی سخت است، پیگیری تغییر شکل اجسام متحرک به ویژه چالش برانگیز است."
دانشمندان راهی برای شناسایی مناطق طوفان زمستانی با مقادیر معمول بارش مختلط ابداع کردند تا از بار مقایسه ذهنی مقادیر بازتاب و ضریب همبستگی با تغییر طوفان ها در طول زمان و جغرافیا، بکاهند. سپس ظاهر این مناطق را در نقشه‌های متحرک بازتابی متعارف تغییر دادند و آنها را به مقیاس خاکستری تبدیل کردند در حالی که بقیه نقشه در مقیاس رنگی باقی ماند که برای افراد کوررنگ قابل دسترسی است و شدت بارش را نشان می‌دهد.
تامکینز می گوید:, ما نمی‌خواستیم به طور کلی از ذوب شدن [از روی نقشه] خلاص شویم، فقط برجستگی بصری آن را کاهش دهیم. این به ما اعتماد به نفس می دهد که بگوییم، می دانیم که این برف سنگین نیست زیرا آلوده به ذوب است.
پیش‌بینی‌کنندگان هواشناسی به میزان و زمان بارش برف علاقه‌مند هستند، اما بارش مختلط نیز خطرناک است.
از این رو اهمیت خاموش کردن بارش مختلط با مقیاس خاکستری به جای حذف آن از نقشه اهمیت دارد. این تکنیک که به طور خاص برای تجزیه و تحلیل بارش برف در طول طوفان های زمستانی توسعه یافته است، به دانشمندان جوی کمک می کند تا بهتر درک کنند که نوارهای برف کجا و چرا اتفاق می افتد، و [این تحقیق] به بهبود پیش بینی بارش برف منجر می شود. ما این را برای تجزیه و تحلیل برف خود طراحی کردیم، اما کاربردهای بالقوه ای برای پیش بینی آب و هوا نیز دارد.
برای یک فرد معمولی که نقشه‌های آب و هوا را بررسی می‌کند تا روز خود را برنامه‌ریزی کند، بی‌صدا کردن تصویر به آنها کمک می‌کند بهتر بفهمند کجا و چه زمانی باید از بارش باران و برف به برف انتظار انتقال داشته باشند. ممکن است الان باران ببارد، اما آیا به برف تبدیل می‌شود؟» قابل توجه است که روش او به جای مشاهدات دما که معمولاً برای استنباط نوع بارش در نقشه های آب و هوا استفاده می شود، از اطلاعات مربوط به ذرات بارش اندازه گیری شده توسط رادار استفاده می کند.
"به عنوان یک تکنیک تجسم، نادیده گرفتن تصویر را می توان در سایر برنامه های کاربردی تحقیقاتی، مانند کاهش برجستگی بصری داده های مرتبط با عدم قطعیت بالا، استفاده کرد. این تکنیک به صورت رایگان برای استفاده دیگران در دسترس است.»
مرجع مجله:
- لورا ام. تامکینز و همکاران. نادیده گرفتن تصویر بارش مختلط برای بهبود شناسایی مناطق برف سنگین در داده های رادار. تکنیک های اندازه گیری اتمسفربه DOI: 10.5194/amt-15-5515-2022
