Previsioni meteorologiche a livello di campo specifiche per il sito

Oggi, come in molti altri settori, la capacità di calcolare grandi insiemi di dati sta diventando sempre più facile e veloce: cloud computing e costi di CPU contenuti. Ciò consente ai meteorologi di creare previsioni orarie specifiche per il campo, basate sulle osservazioni meteorologiche della stazione specifica per i giorni successivi.

I dati del stazione di campo contribuisce a stimolare e mettere a punto le previsioni: adeguarsi alle condizioni effettive registrate a terra. Inoltre, la previsione diventa intelligente per il campo, imparando le condizioni locali con l'aiuto dell'AI (Intelligenza Artificiale) per scegliere la previsione più adatta per ogni luogo, situazione, tempo e stagione, piuttosto che un puro approccio d'insieme. Ciò significa che sceglie la previsione "migliore" e non la "media" di tutti i modelli (o varianti di modelli) per realizzare una previsione più accurata e specifica per il sito.

meteoblu^®-Approccio Pessl alle previsioni meteorologiche specifiche del campo

Analizziamo tutta la scienza/tecnologia in modo che sia chiaro perché questo approccio previsionale è migliore di quello disponibile pubblicamente. Oggi, la maggior parte delle società meteorologiche o dei governi offre previsioni basate sulla posizione di una città o di un paese e derivate da un approccio a griglia. Alcune utilizzano una griglia di 15, 10, 5 o 1 km per generare le previsioni, che si chiamano downscaling alla posizione.

Cosa c'è di unico nel meteoblu^®-Approccio Pessl è che essi combinare i dati delle stazioni a livello di campo con le previsioni. In altre parole, la stazione fornisce i dati per modificare e sintonizzare le previsioni sulla base delle osservazioni effettive al suolo.

In dettaglio, il meteoblue Apprendimento multimodello (LMM) è una nuova tecnica di post-elaborazione dei risultati di vari modelli numerici di previsione meteorologica utilizzando le misurazioni effettive delle stazioni meteorologiche e l'intelligenza artificiale (AI) per scegliere il più adatto tra un massimo di 17 modelli per ogni località, situazione meteorologica e stagione, piuttosto che un approccio d'insieme. Ciò significa che sceglie la previsione "migliore" e non la "media" di tutti i modelli (o varianti di essi) per ottenere una previsione più accurata e specifica del luogo.

In sostanza, l'IA mLM apprende la meteorologia/il clima del luogo in cui si trova. stazione specifica per il campo entro poche settimane. L'MLM si aggiorna anche più volte al giorno, apportando ulteriori correzioni alle previsioni specifiche del campo.

Ok, abbiamo parlato del miglioramento della scienza/tecnologia utilizzata per fornire previsioni specifiche sul campo, ma questo migliora l'accuratezza delle previsioni rispetto a quelle disponibili pubblicamente? In base alla scienza/tecnologia utilizzata per creare le previsioni meteorologiche dal mLM (meteoblue Learning Multimodel), la precisione delle previsioni raggiunge un errore assoluto orario inferiore a 1,3°C entro le prime 24 ore. Ciò significa che più di 85% delle previsioni di temperatura oraria saranno sbagliate di meno di 2°C. Per le prime 12 ore, l'errore assoluto è inferiore a 0,9°C.

Per la previsione delle precipitazioni, sono stati rilevati 79% di eventi con >1 mm con un tasso di falsi allarmi di soli 40%, ottenendo un Heidke Skill Score di 0,49, superiore a quello di qualsiasi altro provider.

Inoltre, la previsione del mlm è stata valutata rispetto ad altri modelli di previsione pubblicati ed è stata classificata come la previsione numero 1 per accuratezza in più di 300 località in tutto il mondo, battendo tutte le altre previsioni per quanto riguarda le precipitazioni, la temperatura a 11 ore e, in particolare, la numero 1 per la temperatura nelle prime 12 ore, a pari merito con la numero 1 per la temperatura nelle prime 24 ore, la numero 1 per il punto di rugiada e la velocità del vento e la distante numero 1 per gli eventi di precipitazione >1 mm nelle 24 ore.

L'approccio mLM è anche l'unico approccio convalidato a livello globale con risultati disponibili pubblicamente, in modo che i clienti sappiano cosa possono aspettarsi.

Come previsto, l'applicazione di questi metodi offre una precisione significativa, ma come ogni modello si tratta di una previsione e le previsioni cambiano in un breve arco di tempo e di spazio. Pertanto, è importante avere aggiornamenti ogni ora. L'aspetto fondamentale è che l'errore del modello di previsione si riduce applicando questo approccio.

In altri studi, confrontando una previsione specifica per il campo con la previsione della città più vicina e con i valori effettivi registrati nella stazione di campo, il miglioramento può variare da 35 a 65% per la temperatura e le precipitazioni su 3 giorni. Anche in questo caso, si tratta di una riduzione dell'errore nella previsione specifica del campo, che rappresenta un miglioramento rispetto alle previsioni tradizionali.

Cosa significa tutto questo?

Significa che ora avete un previsione specifica del campo che viene aggiornato ogni ora per i 7 giorni successivi, è estremamente preciso e non si basa sulla città più vicina, ma è costruito e corretto in base alla vostra stazione di campo.

Quindi, cosa fare con queste previsioni specifiche per il settore?

In primo luogo, ci danno un'idea delle condizioni per molte operazioni sul campo, un controllo di fondo per le decisioni che vengono prese, come ad esempio se i venti sono favorevoli per spruzzatura nelle successive 24, 48 o 72 ore. Le previsioni vengono anche aggiunte agli strumenti/soluzioni di pianificazione del lavoro, come le finestre di semina e irrorazione, le condizioni del raccolto, la capacità di lavorazione del terreno, l'accessibilità del campo e la nutrizione delle piante.

Queste soluzioni sono finestre orarie sulle condizioni di ogni operazione. Le previsioni specifiche per il sito possono anche essere aggiunte al modelli di rischio di malattiache fornisce una previsione delle condizioni future delle successive 24, 48 o 72 ore. Naturalmente, la previsione della resa può anche basarsi su una previsione futura, ma in questo caso si utilizza una media a lungo termine e/o una previsione destagionalizzata per fare una stima della disponibilità idrica potenziale per la previsione della resa durante la stagione di crescita.

Nell'immagine qui sotto, i dati della stazione meteorologica specifica del campo sono combinati con l'elevata precisione del previsione specifica del campo per produrre una finestra di irrorazione fitosanitaria specifica per il campo.

Nell'immagine successiva, la proposta di valore della stazione e delle previsioni specifiche per il campo è chiaramente illustrata, in quanto ora si ha la possibilità di conoscere le condizioni prima di andare sul campo, una finestra oraria avanzata sulle condizioni nei 7 giorni successivi e una previsione oraria per importanti variabili meteorologiche come raffiche di vento, precipitazioni, umidità relativa e delta T.

Quando si decide di ACQUISTARE UNA STAZIONE METEO o UN DISPOSITIVO IoT per la vostra fattoria/campo, includono sempre l'ora specifica del campo previsioni del tempo. La stazione e le previsioni dovrebbero essere considerate come il burro di arachidi e la gelatina, e vanno di pari passo con le decisioni di gestione dell'azienda agricola.