Předpovědi počasí pro konkrétní lokalitu

Stejně jako v mnoha jiných odvětvích je dnes schopnost počítat velké soubory dat stále snazší a rychlejší: cloud computing a levné náklady na CPU. To umožňuje meteorologům vytvářet hodinové předpovědi pro konkrétní oblast, které jsou založeny na pozorování počasí z konkrétní stanice v dané oblasti na několik následujících dní.

Údaje z terénní stanice pomáhá prognózu upravovat a ladit: upravit podle skutečného stavu zjištěného na místě. Navíc se předpověď stává inteligentní pro danou oblast, protože se učí místní podmínky pomocí umělé inteligence, aby vybrala nejvhodnější předpověď pro každou lokalitu, situaci, počasí a roční období, a nikoliv čistě skupinový přístup. To znamená, že vybírá "nejlepší" předpověď, a nikoli "průměr" všech modelů (nebo jejich variant), aby vytvořil přesnější předpověď pro konkrétní lokalitu.

meteoblue^®-Pesslův přístup k předpovědi počasí pro konkrétní oblast

Rozeberme si celou tuto vědu/technologii tak, aby bylo jasné, proč je tento přístup k předpovědím lepší než to, co je veřejně dostupné. Většina meteorologických společností nebo vlád dnes nabízí předpovědi založené na poloze města nebo obce, které jsou odvozeny z přístupu založeného na mřížce. Některé z nich používají k vytvoření předpovědi síť o velikosti 15, 10, 5 nebo 1 km, což je tzv. snížení měřítka na místo.

V čem je jedinečný meteoblue^®-Pesslův přístup je, že kombinovat údaje z terénních stanic s předpovědí. Jinými slovy, stanice poskytuje údaje, které umožňují upravit a vyladit předpověď na základě skutečných pozemních pozorování.

Podrobněji meteoblue Learning Multimodel (mLM) je nová technika následného zpracování výstupů z různých numerických modelů předpovědi počasí s využitím skutečných měření meteorologických stanic a umělé inteligence (AI), která vybírá nejvhodnější z až 17 modelů pro každou lokalitu, povětrnostní situaci a roční období namísto přístupu založeného na souboru. To znamená, že vybírá "nejlepší" předpověď, a nikoli "průměr" všech modelů (nebo jejich variant), aby vytvořil přesnější předpověď pro konkrétní místo.

Umělá inteligence mLM se v podstatě učí meteorologii/klimatu dané oblasti. stanice pro konkrétní obor během několika týdnů. MLM se také několikrát denně aktualizuje, což poskytuje další korekce předpovědi pro konkrétní pole.

Dobře, diskutovali jsme o zdokonalených vědeckých poznatcích/technologiích používaných k poskytování předpovědí pro konkrétní oblasti, ale zlepšuje to přesnost předpovědí oproti těm, které jsou veřejně dostupné? Na základě vědeckých poznatků/technologie použité k vytvoření předpovědi počasí z mLM (meteoblue Learning Multimodel) dosahuje přesnost předpovědi během prvních 24 hodin absolutní hodinové chyby méně než 1,3 °C. To znamená, že více než 85% hodinových předpovědí teploty bude mít odchylku menší než 2 °C. V prvních 12 hodinách je absolutní chyba menší než 0,9 °C.

V případě předpovědi srážek bylo zjištěno 79% událostí s úhrnem >1 mm s mírou falešných poplachů pouze 40%, čímž bylo dosaženo Heidke Skill Score 0,49, což je více než u jakéhokoli jiného poskytovatele.

Kromě toho byla předpověď mLM vyhodnocena v porovnání s ostatními publikovanými předpovědními modely a byla vyhodnocena jako první v přesnosti předpovědi na více než 300 místech po celém světě, přičemž porazila všechny ostatní předpovědi srážek, 11hodinové teploty a konkrétně byla první v přesnosti předpovědi teploty v prvních 12 hodinách, první v přesnosti předpovědi teploty v prvních 24 hodinách, první v přesnosti předpovědi rosného bodu a rychlosti větru a první v přesnosti předpovědi srážek > 1 mm za 24 hodin.

Přístup mLM je také jediným celosvětově ověřeným přístupem s veřejně dostupnými výsledky, takže zákazníci vědí, co mohou očekávat.

Jak se dalo očekávat, při použití těchto metod dochází ke značnému zpřesnění, ale jako každý model se jedná o předpověď a předpovědi se v krátkém časovém úseku a prostoru mění. Proto je důležité mít k dispozici hodinové aktualizace. Klíčové je, že chyba předpovědního modelu se při použití tohoto přístupu snižuje.

V jiných studiích se při porovnání předpovědi pro konkrétní oblast s předpovědí pro nejbližší město/obec se skutečnými hodnotami zaznamenanými na terénní stanici může zlepšení pohybovat od 35 do 65% pro teplotu a srážky za 3 dny. Opět se tak snižuje chyba předpovědi specifické pro dané pole, což je zlepšení oproti tradičním předpovědím.

Co to všechno znamená?

To znamená, že nyní máte předpověď pro konkrétní oblast která je aktualizována každou hodinu po dobu následujících 7 dní a je velmi přesná a není založena na nejbližším městě, ale je sestavena a opravena na základě vaší terénní stanice.

Co tedy s těmito prognózami pro danou oblast uděláme?

Zaprvé nám dávají přehled o podmínkách pro mnoho operací v terénu, zlepšují kontrolu rozhodování, například zda je vítr příznivý pro. postřik během následujících 24, 48 nebo 72 hodin. Předpovědi se také přidávají do nástrojů/řešení pro plánování práce, jako jsou okna pro setí a postřik, podmínky sklizně, schopnost zpracování půdy, přístupnost pole, výživa rostlin.

Tato řešení jsou hodinovými okny do podmínek pro jednotlivé operace. Předpovědi specifické pro danou lokalitu lze také přidat do modely rizika onemocnění, který pak poskytuje předpověď budoucích podmínek na příštích 24, 48 nebo 72 hodin. Předpověď výnosů může být samozřejmě založena i na budoucí předpovědi, ale ta využívá dlouhodobý průměr a/nebo sezónně upravenou předpověď, aby bylo možné provést odhad potenciální zásoby vody pro předpověď výnosů během vegetačního období.

Na obrázku níže jsou údaje z meteorologických stanic pro konkrétní pole kombinovány s vysoce přesnými údaji z meteorologické stanice předpověď pro konkrétní oblast k vytvoření postřikového okna na ochranu rostlin specifického pro dané pole.

Na dalším obrázku je jasně znázorněna hodnota předpovědi a stanice pro konkrétní pole, protože nyní máte možnost znát podmínky ještě předtím, než vyrazíte do terénu, pokročilé hodinové okno s podmínkami na příštích 7 dní a předpovězené hodinové výstupy pro důležité meteorologické veličiny, jako jsou nárazy větru, srážky, relativní vlhkost a delta T.

Při rozhodování o KUPTE SI MĚŘICÍ STANICI nebo ZAŘÍZENÍ IoT pro vaši farmu/políčka, vždy zahrnout hodinovou sazbu specifickou pro danou oblast předpověď počasí. Na stanici a prognózu je třeba pohlížet jako na arašídové máslo a želé, které jdou ruku v ruce při rozhodování o řízení farmy.