Come funziona il nuovo sistema che combina radar, lidar e GPS per leggere l’aria?

Un team di ricercatori cinesi ha creato un metodo innovativo per misurare temperatura e umidità nell’atmosfera usando tre strumenti a terra: un radiometro a microonde (GMWR), un lidar Mie‑Raman (MRL) e un sensore GNSS/MET. Il nuovo framework, chiamato EnKF1D‑Var, combina i dati di questi dispositivi con le previsioni del modello GFS, aggiornando ogni ora le stime con una risoluzione verticale di 15 m.

Durante tre mesi, da maggio a luglio 2024, il sistema è stato testato nella stazione di Anqing, nella Cina subtropicale. I risultati mostrano una riduzione dei bias di temperatura di oltre il 3 % e cor{rezioni} di umidità fino a 0,075 g/kg (120 PPMV), soprattutto di giorno. Il segreto? L’algoritmo adatta dinamicamente le matrici di errore delle osservazioni, dando più peso a ciascun strumento a seconda del contributo. Il GNSS/MET è il protagonista per la correzione della temperatura, mentre il MRL guida le migliorie sull’umidità. Il GMWR fornisce un supporto aggiuntivo.

Questo approccio dimostra che, integrando più fonti di dati a terra, è possibile ottenere profili termodinamici più precisi nella zona più vicina al suolo, fondamentale per previsioni meteo più affidabili e per studiare l’interazione tra atmosfera e ambiente urbano.

Il framework EnKF1D‑Var combina due tecniche di assimilazione dati: l’Ensemble Kalman Filter (EnKF) e la variazione 1‑D (1D‑Var). L’EnKF genera un insieme di possibili stati atmosferici (ensemble) a partire da un modello di previsione (GFS). Ogni membro dell’ensemble è aggiornato con le osservazioni mediante una correzione lineare basata sulla matrice di covarianza tra stato e osservazione. La variante 1‑D‑Var, invece, risolve un problema di ottimizzazione locale lungo la colonna verticale, minimizzando una funzione costo che include termini di deviazione dal background e dall’osservazione, pesati dalle rispettive matrici di errore.

Nel caso specifico, le osservazioni provengono da tre sensori con caratteristiche diverse: il GMWR misura l’emissione di microonde legata al contenuto di vapore d’acqua; il MRL fornisce profili di ritorno di luce a diverse lunghezze d’onda, sensibili a particelle aerosoliche e a molecole d’acqua; il GNSS/MET rileva ritardi di segnale GPS causati dall’indice di rifrazione dell’aria, correlato a temperatura e umidità. Le matrici di errore sono aggiornate in tempo reale usando tecniche di diagnostica statistica, consentendo al filtro di ridurre l’incertezza quando le condizioni cambiano rapidamente, ad esempio durante il riscaldamento diurna.

L’assimilazione avviene in due passi: prima l’EnKF aggiorna l’ensemble con le osservazioni, poi la 1‑D‑Var affina la soluzione lungo ogni colonna verticale, garantendo coerenza fisica (ad esempio, monotonicità della temperatura). Questo approccio ibrido sfrutta la robustezza dell’EnKF contro errori non lineari e la precisione della 1‑D‑Var per le scale verticali, risultando in una riduzione significativa dei bias sia per temperatura che per umidità nella boundary layer atmosferica.