Prognozy pogody dla danego terenu

Obecnie, podobnie jak w wielu innych branżach, możliwość obliczania dużych zbiorów danych jest coraz łatwiejsza i szybsza: chmura obliczeniowa i tanie koszty procesora. Dzięki temu meteorolodzy mogą tworzyć godzinne prognozy dla danego pola, które opierają się na obserwacjach pogody ze stacji terenowej na najbliższe kilka dni.

Dane z. stacja terenowa pomaga w korygowaniu i dostrajaniu prognozy: dostosowanie do rzeczywistych warunków zarejestrowanych na miejscu. Ponadto prognoza staje się inteligentna dla pola, poprzez uczenie się lokalnych warunków z pomocą AI (sztucznej inteligencji), aby wybrać najbardziej odpowiednią prognozę dla każdej lokalizacji, sytuacji, pogody i sezonu, a nie czyste podejście zespołowe. Oznacza to, że wybiera "najlepszą" prognozę, a nie "średnią" ze wszystkich (lub wariantów) modeli, aby stworzyć dokładniejszą prognozę dla danego miejsca.

meteoblue^®-Pessl approach to field-specific weather forecasting

Przełammy tę całą naukę/technologię tak, aby było jasne, dlaczego to podejście do prognozowania jest lepsze niż to, co jest dostępne publicznie. Obecnie większość firm meteorologicznych lub rządów oferuje prognozy oparte na lokalizacji miasta lub miejscowości, które pochodzą z podejścia siatkowego. Niektóre używają siatki 15, 10, 5 lub 1 km do generowania prognozy, jest to tzw. downscaling do lokalizacji.

Co jest wyjątkowego w meteoblue^®-Podejście Pessl jest to, że połączyć dane ze stacji terenowych z prognozą. Innymi słowy, stacja dostarcza danych do szturchania i dostrajania prognozy w oparciu o rzeczywiste obserwacje naziemne.

W szczegółach meteoblue Uczący się multimodel (mLM) jest nową techniką przetwarzania danych wyjściowych z różnych numerycznych modeli prognoz pogody przy użyciu rzeczywistych pomiarów stacji pogodowych oraz sztucznej inteligencji (AI), aby wybrać najbardziej odpowiedni z maksymalnie 17 modeli dla każdej lokalizacji, sytuacji pogodowej i pory roku, zamiast podejścia zespołowego. Oznacza to, że wybiera "najlepszą" prognozę, a nie "średnią" ze wszystkich (lub wariantów) modeli, aby stworzyć dokładniejszą prognozę dla danego miejsca.

Zasadniczo, SI mLM uczy się meteorologii/klimatu stacja terenowa w ciągu kilku tygodni. MLM aktualizuje się również kilka razy dziennie, co zapewnia dalszą korektę prognozy dla danego pola.

Ok, omówiliśmy ulepszoną naukę/technologię wykorzystywaną do dostarczania prognoz specyficznych dla danego obszaru, ale czy poprawia to dokładność prognoz w porównaniu z tym, co jest publicznie dostępne? Na podstawie nauki/technologii użytej do stworzenia prognozy pogody z mLM (meteoblue Learning Multimodel), precyzja prognozy osiąga mniej niż 1.3°C godzinnego błędu bezwzględnego w ciągu pierwszych 24 godzin. Oznacza to, że większa niż 85% godzinowa prognoza temperatury będzie obarczona błędem mniejszym niż 2°C. Dla pierwszych 12 godzin błąd bezwzględny jest mniejszy niż 0.9°C.

W przypadku prognozy opadów wykryto 79% zdarzeń o wielkości >1 mm przy współczynniku fałszywych alarmów wynoszącym jedynie 40%, uzyskując Heidke Skill Score na poziomie 0,49, wyższy niż u jakiegokolwiek innego dostawcy.

Ponadto prognoza mLM została oceniona w porównaniu z innymi opublikowanymi modelami prognostycznymi i została oceniona jako prognoza numer 1 pod względem dokładności w ponad 300 lokalizacjach na całym świecie, pokonując wszystkie inne prognozy dotyczące opadów, temperatury 11-godzinnej, a w szczególności numer 1 dla temperatury w pierwszych 12 godzinach, remisując dla numeru 1 dla temperatury w pierwszych 24 godzinach, numer 1 dla punktu rosy i prędkości wiatru oraz daleki lider numer 1 dla zdarzeń opadowych >1 mm w ciągu 24 godzin.

Podejście mLM jest również jedynym podejściem zwalidowanym globalnie z publicznie dostępnymi wynikami, więc klienci wiedzą, czego mogą się spodziewać.

Zgodnie z oczekiwaniami, istnieje znaczna precyzja, gdy te metody są stosowane, ale jak każdy model jest to prognoza i prognozy będą się zmieniać w krótkim czasie i przestrzeni. Dlatego ważne jest, aby mieć aktualizacje co godzinę. Kluczowe jest to, że błąd modelu prognozy jest obniżony poprzez zastosowanie tego podejścia.

W innych badaniach, porównując prognozę specyficzną dla danego pola z najbliższą prognozą dla miasta, do rzeczywistych wartości zarejestrowanych na stacji terenowej, poprawa może wynosić od 35 do 65% dla temperatury i opadów w ciągu 3 dni. Ponownie, jest to zmniejszenie błędu w prognozie specyficznej dla danego pola, co stanowi poprawę w stosunku do tradycyjnych prognoz.

Co to wszystko oznacza?

To znaczy, że masz teraz prognoza dla poszczególnych dziedzin która jest aktualizowana co godzinę przez następne 7 dni, co jest bardzo dokładne i nie jest oparte na najbliższym mieście, ale zbudowane i skorygowane na podstawie swojej stacji terenowej.

Co więc robimy z tymi prognozami dotyczącymi konkretnej dziedziny?

Po pierwsze, dają nam wgląd w warunki dla wielu operacji terenowych, poprawiają gut check do decyzji, które są podejmowane, jak to, czy wiatry są korzystne dla opryskiwanie w ciągu najbliższych 24, 48 lub 72 godzin. Prognozy są również dodawane do narzędzi/rozwiązań planowania pracy, takich jak okna siewu i oprysku, warunki zbioru, możliwość uprawy roli, dostępność pola, odżywianie roślin.

Rozwiązania te są godzinowymi oknami na warunki dla każdej operacji. Prognozy specyficzne dla danego miejsca mogą być również dodane do modele ryzyka choroby, która następnie dostarcza prognozy przyszłych warunków w ciągu najbliższych 24, 48 lub 72 godzin. Oczywiście, przewidywanie plonów może być również oparte na przyszłej prognozie, ale w tym przypadku wykorzystuje się średnią długoterminową i/lub prognozę dostosowaną do pory roku w celu oszacowania potencjalnego zaopatrzenia w wodę dla przewidywania plonów w sezonie wegetacyjnym.

Na poniższym obrazie dane stacji pogodowej dla danego pola są połączone z bardzo dokładnymi danymi prognoza dla poszczególnych dziedzin w celu stworzenia okna opryskowego dla ochrony roślin na danym polu.

Na następnym obrazku, wartość prognozy i stacji specyficznej dla danego pola jest wyraźnie zilustrowana, ponieważ teraz masz możliwość poznania warunków zanim udasz się w teren, zaawansowane godzinowe okno na warunki w ciągu najbliższych 7 dni i prognozowane godzinowe wyjście dla ważnych zmiennych meteorologicznych, takich jak porywy wiatru, opady, wilgotność względna i delta T.

Decydując się na KUP STACJĘ POGODY lub URZĄDZENIE IoT dla twojej farmy/polek, zawsze zawierają właściwą dla danego pola godzinę prognoza pogody. O stacji i prognozie należy myśleć jak o maśle orzechowym i galaretce, idą one w parze przy podejmowaniu decyzji dotyczących zarządzania gospodarstwem.