Previsões meteorológicas a nível de campo específicas do local

Actualmente, como muitas outras indústrias, a capacidade de calcular grandes conjuntos de dados está a tornar-se mais fácil e rápida: computação em nuvem e custos de CPU baratos. Isto permite aos meteorologistas criar previsões horárias específicas de campo que se baseiam nas observações meteorológicas da estação específica de campo para os próximos dias.

Os dados do estação de campo ajuda a dar um empurrão e a afinar a previsão: ajustar ao estado real registado no terreno. Além disso, a previsão torna-se inteligente para o campo, aprendendo as condições locais com a ajuda da IA (Inteligência Artificial) para escolher a previsão mais adequada para cada local, situação, tempo e estação do ano, em vez de uma abordagem de conjunto puro. Isto significa que escolhe a "melhor" previsão e não a "média" de todos (ou variantes de) modelos para fazer uma previsão mais precisa do local específico.

meteoblue^®-Pessl abordagem à previsão meteorológica específica de campo

Vamos quebrar isto toda a ciência/tecnologia para que fique claro porque é que esta abordagem de previsão é melhor do que o que está disponível publicamente. Hoje em dia, a maioria das empresas meteorológicas ou governos oferecem previsões baseadas numa cidade ou localização urbana que derivam de uma abordagem em grelha. Algumas irão utilizar uma grelha de 15, 10, 5 ou 1 km para gerar a previsão, a qual é chamada redução de escala para o local.

O que há de único no meteoblue^®Abordagem -Pessl é que eles combinar os dados da estação ao nível do campo com a previsão. Por outras palavras, a estação fornece dados para dar um empurrão e afinar a previsão com base em observações reais do terreno.

Em detalhe, o meteoblue Learning Multimodel (mLM) é uma nova técnica de pós-processamento da produção de vários modelos numéricos de previsão meteorológica usando medições reais da estação meteorológica, e inteligência artificial (IA) para escolher os modelos mais adequados de até 17 modelos para cada local, situação meteorológica e estação, em vez de uma abordagem em conjunto. Isto significa que escolhe a previsão "melhor" e não a "média" de todos (ou variantes de) modelos para fazer uma previsão mais exacta específica do local.

Essencialmente, o mLM AI aprende a meteorologia/clima do estação específica de campo dentro de algumas semanas. O mLM também é actualizado várias vezes por dia, o que proporciona uma correcção adicional à previsão específica do campo.

Ok, discutimos a ciência/tecnologia melhorada utilizada para fornecer previsões específicas de campo, mas será que isto melhora a precisão das previsões em comparação com o que está disponível publicamente? Com base na ciência/tecnologia utilizada para criar a previsão do tempo a partir do mLM (meteoblue Learning Multimodel), a precisão da previsão atinge menos de 1,3°C de erro absoluto por hora nas primeiras 24 horas. Isto significa que mais do que 85% de previsão de temperatura horária será inferior a 2°C fora. Durante as primeiras 12 horas, o erro absoluto é inferior a 0,9°C.

Para a previsão da precipitação, 79% de eventos com >1 mm foram detectados com uma taxa de alarme falso de apenas 40%, atingindo um Heidke Skill Score de 0,49, superior a qualquer outro fornecedor.

Além disso, a previsão mLM foi avaliada em relação a outros modelos de previsão publicados e foi classificada como a previsão número 1 para precisão em mais de 300 locais em todo o mundo, batendo todas as outras previsões sobre precipitação, temperatura 11-h, e especificamente, número 1 para temperatura nas primeiras 12 horas, empatado para o número 1 para temperatura nas primeiras 24 horas, número 1 para ponto de orvalho e velocidade do vento, e líder distante número 1 para eventos de precipitação >1 mm em 24 horas.

A abordagem mLM é também a única abordagem validada globalmente com resultados disponíveis publicamente, pelo que os clientes sabem o que podem esperar.

Como esperado, há uma precisão significativa quando estes métodos são aplicados, mas como qualquer modelo, é uma previsão e as previsões mudarão num curto espaço de tempo e de espaço. Por conseguinte, é importante ter actualizações de hora a hora. O que é fundamental é que o erro do modelo de previsão seja atenuado pela aplicação desta abordagem.

Noutros estudos, ao comparar uma previsão específica do campo com a previsão da cidade/cidade mais próxima, com valores reais registados na estação de campo, a melhoria pode variar de 35 a 65% para temperatura e precipitação durante 3 dias. Mais uma vez, isto reduz o erro na previsão específica de campo, o que é uma melhoria em relação às previsões tradicionais.

O que significa tudo isto?

Isso significa que agora tem um previsão de campo específico que é actualizado de hora a hora para os próximos 7 dias, que é altamente preciso e não se baseia na cidade mais próxima mas construído e corrigido com base na sua estação de campo.

Então, o que fazemos com estas previsões específicas de campo?

Primeiro, dão-nos uma visão das condições de muitas operações de campo, uma verificação intestinal das decisões que estão a ser tomadas, como são os ventos favoráveis para pulverização durante as próximas 24, 48 ou 72 horas. As previsões também são adicionadas em ferramentas/soluções de planeamento de trabalho como janelas de sementeira e pulverização, condições de colheita, capacidade de lavoura, acessibilidade do campo, nutrição vegetal.

Estas soluções são janelas de hora em hora para as condições de cada operação. As previsões específicas do local também podem ser acrescentadas à modelos de risco de doençaque fornece então uma previsão das condições futuras das próximas 24, 48 ou 72 horas. É claro que a previsão do rendimento pode também basear-se numa previsão futura, mas esta utiliza uma média a longo prazo e/ou uma previsão ajustada sazonalmente para fazer uma estimativa sobre o potencial de abastecimento de água para a previsão do rendimento durante a época de crescimento.

Na imagem abaixo, os dados da estação meteorológica específica do campo são combinados com os dados altamente precisos previsão de campo específico para produzir uma janela de pulverização de protecção de plantas específicas do campo.

Na imagem seguinte, a proposta de valor da previsão e estação específicas do campo é claramente ilustrada, uma vez que tem agora a capacidade de conhecer as condições antes de ir para o campo, uma janela avançada de hora a hora sobre as condições durante os próximos 7 dias e a produção horária prevista para importantes variáveis meteorológicas de rajada de vento, precipitação, humidade relativa e delta T.

Ao decidir COMPRAR UMA ESTAÇÃO DE ÁGUA ou DISPOSITIVO IoT para a sua quinta/campo, incluir sempre o campo específico de hora a hora previsão do tempo. A estação e a previsão devem ser pensadas como manteiga de amendoim e geleia, andam de mãos dadas com as decisões de gestão agrícola.