Europa's meest geavanceerde weersatelliet nu volledig operationeel

Op woensdag 4 december heeft EUMETSAT zijn eerste satelliet van de derde generatie Meteosat (MTG) operationeel verklaard. Deze satelliet heeft daarom nu officieel de naam Meteosat-12 gekregen. Zowel de meteorologen als de wetenschappers van het KMI kijken uit naar de nieuwe mogelijkheden die het beeldvormingssysteem aan boord van deze nieuwe satelliet, de Flexible Combined Imager (FCI) biedt.

Zo gebruikt Dr. Ermioni Dimitropoulos Europese satellietbeelden om het effect in te schatten van condensatiesporen van vliegtuigen op het klimaat. Dit onderzoek gebeurt in het kader van een Europees project E-CONTRAIL. Ermioni legt uit: “Ik kijk er echt naar uit om de beelden van de nieuwe satelliet te gebruiken. De verbeterde ruimtelijke resolutie is essentieel voor mijn onderzoek naar contrails (condensatiesporen). De nieuwe Meteosat-12 maakt het gemakkelijker om ze te detecteren en ook om het effect dat ze op het klimaat hebben beter te kwantificeren. Dit effect is zeker niet te verwaarlozen, aangezien het waarschijnlijk groter is dan de opwarming die wordt veroorzaakt door de C02 die vliegtuigen uitstoten! In de komende jaren zullen er strategieën moeten worden geïmplementeerd om het ontstaan van deze condensatiesporen te verminderen. Ook hier zal Meteosat-12 zeer nuttig zijn om de effectiviteit van deze maatregelen te verifiëren."

Infrarood composietbeeld met duidelijke condensatiesporen van Noord-Italië tot België over het oosten van Frankrijk.

Infrarood composietbeeld met duidelijke condensatiesporen van Noord-Italië tot België over het oosten van Frankrijk.

Ook Dr. Tom Akkermans gebruikt meteorologische satellietbeelden als onderdeel van een Europees project voor klimaatmonitoring. Hij legt uit: “Mijn interesse komt vooral van de nieuwe spectrale banden die Meteosat-12 levert in het gereflecteerde zonnespectrum. Onze langste klimaatreeksen zijn gebaseerd op het AVHRR-instrument, dat slechts 5 spectrale banden bood. Daarna hebben we ook reeksen ontwikkeld op basis van de 11 spectrale banden van de vorige generatie Meteosats. Nu, met de Flexible Combined Imager (FCI) van de nieuwe Meteosat-12, hebben we 16 spectrale banden waarmee we de stralingsbalans in veel meer gebieden kunnen observeren, in het bijzonder het effect van waterdamp dankzij een nieuw kanaal op 0,9 µm of het effect van ijswolken op 1,3 µm. Het is echt een ongelooflijk instrument voor klimatologen!

Kleursamenstelling van zonnekanalen met onweersontwikkeling in Noord-Frankrijk.

Kleursamenstelling van zonnekanalen met onweersontwikkeling in Noord-Frankrijk.

Een belangrijk onderzoeksthema van het KMI is de nauwkeurigheid van kortstondige neerslagmetingen. Betere schattingen maken betere neerslagvoorspellingen mogelijk, wat cruciaal is tijdens extreme gebeurtenissen die tot wateroverlast kunnen leiden. Arthur Moraux, ook onderzoeker bij het KMI, ontwikkelt een nieuwe methode op basis van kunstmatige intelligentie, zoals hij uitlegt: “Het doel is om zoveel mogelijk waarnemingen te gebruiken om de nauwkeurigheid van de schattingen te verbeteren. De methode wordt 'multimodaal' genoemd omdat het verschillende manieren van waarnemen gebruikt, waaronder regenmeters, weerradar en satellietwaarnemingen. Er wordt een deep learning-model gebruikt om deze verschillende waarnemingen te combineren. De satellietgegevens die in dit onderzoek worden gebruikt, zijn afkomstig van Meteosat-12. Door deze gegevens te vervangen door Meteosat Third Generation-gegevens, die een betere temporele en ruimtelijke resolutie bieden, hopen we de nauwkeurigheid van onze neerslagschattingen verder te verbeteren.

Het onderzoek van Arthur kan als volgt worden samengevat:

Schema van het multimodale deep learning-model. Het model gebruikt inputgegevens van regenmeters, radar- en satellietinfraroodbeelden. De output van het deep learning-model is een schatting van de neerslaghoeveelheid in mm/u en de kans op neerslag. Deze twee schattingen worden vervolgens gecombineerd tot één uiteindelijke schatting van de neerslaghoeveelheid.

Schema van het multimodale deep learning-model. Het model gebruikt inputgegevens van regenmeters, radar- en satellietinfraroodbeelden. De output van het deep learning-model is een schatting van de neerslaghoeveelheid in mm/u en de kans op neerslag. Deze twee schattingen worden vervolgens gecombineerd tot één uiteindelijke schatting van de neerslaghoeveelheid.

Verschillende andere onderzoeksteams kijken ook uit naar het gebruik van dit nieuwe instrument. Bijvoorbeeld om de evapotranspiratie van landoppervlakken te schatten, d.w.z. de overdracht van watermoleculen tussen het oppervlak en de atmosfeer. Hier willen wetenschappers gebruik maken van de verbeterde ruimtelijke resolutie die toepassingen in land- en bosbouw mogelijk moet maken, in het bijzonder voor een beter irrigatiebeheer. Het domein van hernieuwbare energieën wordt niet overgeslagen en de gegevens van de nieuwste Meteosat-12 zullen worden gebruikt in het kader van het E-TREND-project van Belspo. Uiteindelijk zal een nieuwe voorspellingsmodule voor zonnestraling worden ontwikkeld om de fotovoltaïsche productie op zeer korte termijn te voorspellen, voor een beter beheer van elektriciteitsnetten.

De nieuwe weersatelliet heeft nog een troef: naast het FCI-beeldvormingssysteem heeft de satelliet ook een nieuw instrument aan boord, namelijk de Lightning Imager (LI). Dr. Felix Erdmann legt het belang uit voor bliksemwaarnemingen"Het KMI onderzoekt sinds enkele jaren hoe bliksemwaarnemingen kunnen bijdragen tot het voorspellen van zwaar onweer (1,2). Een opmerkelijk fenomeen, de lightning jump (LJ), kan ons hierbij helpen. Dit is een plotselinge toename van bliksemactiviteit in een onweerscel, vaak een aanwijzing dat het onweer zwaarder en mogelijk gevaarlijker wordt. Om dit soort veranderingen tijdig te detecteren, is het essentieel om onweerscellen voortdurend te volgen met speciaal ontwikkelde instrumenten op geostationaire satellieten, die bliksemactiviteit op continentale schaal in kaart brengen. De Lightning Imager (LI) maakt deze vorm van observatie nu voor het eerst mogelijk voor Europa. Deze waarnemingen bieden een potentieel hulpmiddel om in de toekomst een waarschuwingssysteem voor gevaarlijk weer te ontwikkelen om op die manier de meest bedreigende onweersbuien vroegtijdig te herkennen en nauwkeuriger op te volgen. Dit biedt kansen om mensen in de toekomst nog beter te waarschuwen voor extreem weer.”

Onderstaande figuur toont hoe bliksemactiviteit en lightning jumps werden geregistreerd voor een zware onweersbui in de Verenigde Staten op 9 april 2021.

Bliksemactiviteit van een onweersbui in de Verenigde Staten gemeten vanuit een geostationaire baan. Figuur a toont de contouren van de gevolgde onweersbui, waarbij de kleuren de tijdsvolgorde van de cel aangeeft. In Figuur b is de corresponderende tijdreeks van de bliksemactiviteit te zien. Gedetecteerde lightning jumps (kruisjes) en meldingen van zwaar weer (symbolen) zijn in beide figuren opgenomen.

Bliksemactiviteit van een onweersbui in de Verenigde Staten gemeten vanuit een geostationaire baan. Figuur a toont de contouren van de gevolgde onweersbui, waarbij de kleuren de tijdsvolgorde van de cel aangeeft. In Figuur b is de corresponderende tijdreeks van de bliksemactiviteit te zien. Gedetecteerde lightning jumps (kruisjes) en meldingen van zwaar weer (symbolen) zijn in beide figuren opgenomen.

Cookies opgeslagen