WV–PV–SWV tahmin-hatası teşhis çerçevesi, gerçek Geo-Kompsat-2A (GK2A) su buharı gözlemlerini, Korean Integrated Model (KIM) çıktılarından RTTOV ile üretilen simüle su buharı görüntülerini ve modelden hesaplanan potansiyel vortisit alanlarını aynı dinamik bağlam içinde karşılaştırarak sayısal hava tahmini hatalarının konum ve şiddet bileşenlerini ayırmaya çalışan uydu tabanlı bir teşhis yöntemidir. Çalışmada GK2A'nın 6,3, 6,9 ve 7,3 µm su buharı kanalları kullanılmış; KIM atmosfer alanları RTTOV sürüm 13 ile uyduya eşdeğer parlaklık sıcaklığı görüntülerine dönüştürülmüş; gözlenen ve simüle edilen yapılar arasındaki yatay konum farkı MAPLE tabanlı Variational Echo Tracking ile hesaplanmış ve faz düzeltmesinden sonra kalan parlaklık sıcaklığı farkı, yoğunluk/genlik hatasının göstergesi olarak değerlendirilmiştir.

Yöntemin nicel doğrulaması Doğu Asya üzerinde 1 Ocak 2025-1 Ocak 2026 dönemindeki KIM +0 ila +18 saat tahminleri kullanılarak yapılmıştır. Faz düzeltmesinden sonra üç su buharı kanalının tamamında ve bütün tahmin sürelerinde kök ortalama kare hata (RMSE) azalmış, gözlem ile simülasyon arasındaki uzamsal korelasyon yükselmiştir. Kaynak Tablo 4'e göre RMSE iyileştirme oranları yaklaşık %18,59-%22,50; korelasyon iyileştirme oranları ise %15,99-%27,48 aralığındadır. Bu sonuçlar, MAPLE ile çıkarılan yatay yer değiştirme vektörlerinin gözlenen ve simüle edilen su buharı yapıları arasındaki faz hatasının önemli bölümünü temsil edebildiğini göstermektedir.

Çerçevenin meteorolojik anlamı yalnız “uydu ile model görüntüsü aynı mı?” sorusuna bakmak değildir. Simüle edilmiş su buharı görüntüsünün KIM'in kendi potansiyel vortisit yapısıyla dinamik olarak tutarlı olup olmadığı da kontrol edilir. Böylece gerçek uydu gözlemi ile model görüntüsü arasındaki farkın, olası bir model tahmin hatası mı yoksa PV ile su buharı arasındaki fiziksel ilişkinin zaten zayıf olduğu belirsiz bir meteorolojik durum mu olduğu daha dikkatli yorumlanabilir.

Yöntem iki Nisan 2021 vakasında uygulanmıştır. 28 Nisan 2021'de Kore Yarımadası'nı etkileyen Moğolistan/kuzeydoğu Çin kaynaklı oluk-vorteks sisteminde uydu gözlemleri, modelin öngördüğünden daha yavaş ilerleyen ve daha zayıf gelişen bir sistemi işaret etmiş; sonraki 500 hPa analiz alanları bu teşhisle uyumlu bulunmuştur. 16-17 Nisan 2021 Bohai Körfezi oluğu vakasında ise gözlemler modelden daha güçlü kuru hava girişi ve daha güçlü nemli yükselme/dinamik gelişim göstermiş; daha sonra gözlenen dolu ve yerel kuvvetli yağışın da tahminden daha güçlü geliştiği bildirilmiştir.

Bu sonuçlar yöntemin her meteorolojik durumda kesin tahmin-hatası teşhisi yaptığı anlamına gelmez. Yazarlar özellikle zayıf veya düzensiz sinoptik yapılarda PV ile simüle su buharı arasındaki uyumun bozulabileceğini; diyabatik ısınma, derin konveksiyon, bulut-radyasyon süreçleri ve nem belirsizliklerinin de WV-PV farkları yaratabileceğini belirtmektedir. Ayrıca Type A/B/C sınıflandırması kısmen uzman yorumuna bağlıdır ve çerçevenin daha büyük, bağımsız, çok-vakalı veri setleriyle sistematik teşhis becerisi henüz tamamen doğrulanmamıştır.

Sayısal hava tahminindeki “hata” ne demektir?

Sayısal hava tahmini modelleri atmosferi fizik denklemleri ve sayısal yöntemlerle temsil eder. Bir model, örneğin üst troposferdeki kuru hava bölgesinin genel şeklini doğru tahmin ettiği halde onu gerçek konumundan 50 km doğuda gösterebilir. Bu durumda sorun öncelikle faz veya konum hatasıdır. Başka bir durumda yapının konumu doğru olabilir fakat modeldeki kuru/nemli sinyal gerçekte olduğundan daha güçlü veya daha zayıf olabilir. Bu ise genlik veya yoğunluk hatası olarak düşünülebilir.

Bu iki hata türünün birbirine karışması uydu-model karşılaştırmalarını zorlaştırır. Modeldeki yapı gerçek yapıya göre yatay olarak kaymışsa aynı koordinattaki piksel sıcaklıklarını doğrudan çıkarmak, yalnız yoğunluk farkını değil konum farkını da aynı sayı içinde toplar. Çalışmanın önemli amacı önce yatay faz kaymasını tahmin etmek, simüle görüntüyü gözlenen yapıya doğru kaydırmak ve ancak bundan sonra kalan parlaklık sıcaklığı farkını incelemektir.

WV–PV–SWV Çerçevesi Ne İşe Yarıyor?

WV–PV–SWV çerçevesi, gerçek uydu su buharı görüntüsünü (WV), modelden üretilmiş uydu-eşdeğer su buharı görüntüsünü (SWV) ve modelin dinamik durumunu temsil eden potansiyel vortisit alanını (PV) birlikte değerlendirerek tahmin hatasının yalnız görüntü farkı olarak değil atmosferik dinamiklerle uyumlu biçimde yorumlanmasını sağlar.

WV, SWV ve PV nedir?

WV (water-vapor imagery), GK2A uydusunun su buharı kızılötesi kanallarında gerçekten ölçtüğü radyanstan türetilen parlaklık sıcaklığı görüntüsüdür. Çalışmada bunlar gözlemsel referans olarak kullanılmıştır.

SWV (simulated water-vapor imagery), KIM'in sıcaklık, nem, bulut ve yüzey durumları kullanılarak RTTOV ışınım aktarım modeli üzerinden “uydu bu atmosferi görse hangi radyansı/parlaklık sıcaklığını ölçerdi?” sorusuna verilen model-eşdeğer görüntüdür.

PV (potential vorticity; potansiyel vortisit), atmosferin dönme ve termodinamik tabakalaşma yapısını birlikte temsil eden dinamik bir büyüklüktür. Çalışmada üst troposfer ve tropopoz çevresindeki oluk, sırt, kuru hava girişi ve dinamik gelişimin yorumlanmasında fiziksel referans olarak kullanılmaktadır.

GK2A neden üç farklı su buharı kanalı kullanıyor?

Çalışma GK2A Advanced Meteorological Imager'ın 6,3, 6,9 ve 7,3 µm su buharı kanallarını kullanmaktadır. Bu kanallar atmosferin aynı yüksekliğini eşit biçimde görmez. Kanal ağırlık fonksiyonları farklı basınç katmanlarına duyarlıdır; böylece üstten orta troposfere kadar farklı katmanlardaki nem ve akış yapıları izlenebilir.

Kaynak Şekil 1 bu kanalların normalize edilmiş ağırlık fonksiyonlarını basınç ekseni üzerinde şematik olarak göstermektedir. Ağırlık fonksiyonu tek bir basınç seviyesini ölçen ince bir çizgi değildir; bir atmosfer tabakası boyunca katkının nasıl dağıldığını gösterir. Bu nedenle MAPLE ile çıkarılan yatay hareket vektörleri de tek bir kesin irtifadaki rüzgâr olarak değil, kanalın duyarlı olduğu tabakanın ortalama yapı hareketi olarak yorumlanmalıdır.

GK2A/AMI'nin gözlem özellikleri

GEO-KOMPSAT-2A 5 Aralık 2018'de fırlatılmış ve 24 Temmuz 2019'da operasyonel çalışmaya başlamıştır. AMI toplam 16 kanala sahiptir. Tam disk gözlem döngüsü 10 dakika, Kore Yarımadası bölgesi için gözlem döngüsü 2 dakikadır. Çalışmanın su buharı analizlerinde kullanılan kızılötesi WV kanallarının doğal uzamsal çözünürlüğü 2 km'dir.

KIM modelinden hangi bilgiler kullanılıyor?

Korean Integrated Model (KIM), çalışmada model-eşdeğer WV görüntülerinin ve PV alanlarının oluşturulduğu operasyonel küresel sayısal hava tahmin sistemidir. Kaynakta +0 analiz zamanından +18 saat tahmin süresine kadar saatlik model alanları kullanılmıştır.

KIM, 14 Mayıs 2025 öncesinde 12 km yatay çözünürlük ve 91 dikey seviye ile çalışırken bu tarihten sonra 8 km yatay çözünürlüğe geçirilmiştir. Çalışmanın bir yıllık doğrulama dönemi bu operasyonel değişikliği kapsar. Kaynak, Tablo 4 sonuçlarını 12 km ve 8 km dönemleri olarak ayrıca ayırmamaktadır; dolayısıyla çözünürlük değişiminin doğrulama oranlarına ayrı etkisi bu çalışmadan çıkarılamaz.

Önemli sembol notu: Kaynak aynı u ve v sembollerini iki farklı bağlamda kullanmaktadır. KIM veri bölümünde u ve v yatay rüzgâr bileşenleridir. MAPLE-VET denklemlerinde ise u(x,y) ve v(x,y) gözlenen ve simüle görüntü arasındaki yatay görüntü yer değiştirmesinin zonal ve meridyonal bileşenleridir. Bu iki kullanım birbirine karıştırılmamalıdır.

Çalışmanın yöntem akışı

RTTOV neden gerekiyor?

Uydu gözlemi doğrudan model nem alanıyla karşılaştırılırsa iki farklı fiziksel büyüklük karşılaştırılmış olur. GK2A bir radyans ölçer; KIM ise sıcaklık, nem, bulut ve dinamik değişkenleri hesaplar. RTTOV bu model atmosferinden uydu sensörünün ölçebileceği radyansı ve parlaklık sıcaklığını simüle ederek gözlem ile modeli aynı “radyans uzayında” karşılaştırılabilir hale getirir.

Denklem 1: Atmosferin tepesindeki radyans

\[ L_c = \varepsilon_c B_c(T_s)\tau_c(p_s) + \int_{0}^{p_s} B_c(T(p)) \frac{\partial \tau_c(p)}{\partial p}\,dp + L_c^{cld}(x) \tag{1} \]

Formül neyi hesaplıyor? Kanal c için atmosferin tepesinde uyduya ulaşan toplam radyansı temsil eden şematik all-sky RTTOV ifadesidir.

• L_c: c kanalında uyduya ulaşan toplam radyans.
• ε_c: yüzeyin c kanalındaki emissivitesi; boyutsuz bir katsayıdır.
• B_c(T): ilgili kanal için Planck ışınım fonksiyonudur.
• T_s: yüzey sıcaklığı.
• p_s: yüzey basıncı.
• τ_c(p): p basınç seviyesinden atmosferin tepesine kadar kanal geçirgenliği.
• T(p): basınca bağlı atmosfer sıcaklığı.
• L_c^cld(x): operasyonel all-sky yapılandırmada bulutların net radyans katkısı.

Birinci terim yüzeyden çıkan ve atmosferden geçerek uyduya ulaşan katkıyı; integral terimi atmosfer katmanlarının kendi ısıl yayımını; son terim ise bulutlardan kaynaklanan ilave ışınım etkisini temsil eder. Kaynak RTTOV all-sky simülasyonlarında KIM'in CLW, CIW ve CF değişkenlerini kullanmaktadır; yağmur ve kar hidrometeor değişkenleri bu uygulamada girdi olarak kullanılmamıştır.

Denklem 2: Radyanstan parlaklık sıcaklığına dönüşüm

\[ T_{b,c}^{RTTOV}=B_c^{-1}(L_c) \tag{2} \]

Burada B_c^-1, Planck fonksiyonunun tersidir. Hesaplanan radyans, sensör kanalında aynı radyansı üretecek kara cisim sıcaklığına eşdeğer bir parlaklık sıcaklığı değerine dönüştürülür. Parlaklık sıcaklığı atmosferdeki tek bir fiziksel noktanın termometre sıcaklığı değildir; kanalın gördüğü ışınımın sıcaklık cinsinden ifade edilmiş karşılığıdır.

Denklem 3: Model durumundan simüle parlaklık sıcaklığı

\[ T_{b,c,m}^{RTTOV}(t)=F_c(x_m(t)) \tag{3} \]

F_c, KIM model durum vektörü x_m(t)'yi kanal c için radyans veya parlaklık sıcaklığına dönüştüren RTTOV ileri operatörüdür. Başka bir ifadeyle model atmosferi doğrudan uydu görüntüsüne benzeyen bir gözlem uzayına taşınmaktadır.

Görüntüler neden 5 km ortak gride taşınıyor?

GK2A ve KIM'in doğal gridleri birbirinden farklıdır. MAPLE algoritmasının aynı koordinatlarda iki görüntü yapısını karşılaştırabilmesi için her iki alan aynı geometrik grid üzerinde bulunmalıdır. Çalışmada −21,5688° ile 68,7119° enlem ve 45,8222°E ile 204,8646°E boylamlarını kapsayan geniş Doğu Asya alanında ortak 5 km takip gridi kullanılmış ve alanlar bilinear interpolasyonla yeniden örneklenmiştir.

MAPLE-VET ne yapıyor?

MAPLE'nin Variational Echo Tracking yaklaşımı gözlenen görüntüdeki yapı ile simüle görüntüdeki benzer yapının hangi yatay kaydırmayla en iyi çakışacağını bulmaya çalışır. Yer değiştirme alanı:

\[ V(x,y)=\left(u(x,y),v(x,y)\right) \]

olarak tanımlanır. Buradaki u ve v, bu bölümde meteorolojik rüzgâr değil, görüntü yer değiştirmesinin iki yatay bileşenidir.

Denklem 4: Toplam MAPLE maliyet fonksiyonu

\[ F(V)=F_z(V)+F_V(V) \tag{4} \]

Algoritma yalnız iki görüntüyü mümkün olduğunca benzetmeye çalışmaz. İki amacı aynı anda dengeler:

• F_z: gözlenen ve kaydırılmış simüle görüntü arasındaki uyuşmazlığı küçültür.
• F_V: yer değiştirme alanının uzayda aşırı düzensiz ve gürültülü olmasını engelleyen düzgünlük/regularization terimidir.

Denklem 5: Görüntü uyuşmazlığı terimi

\[ F_z(V) = W_z \sum_x\sum_y \left[ Z_o(x,y) - Z_m\left(x-u(x,y),\,y-v(x,y)\right) \right]^2 \,dx\,dy \tag{5} \]

Z_o(x,y) gözlenen GK2A alanını, Z_m simüle alanı temsil eder. Simüle alan, aday u,v yer değiştirme alanına göre geriye doğru örneklenir. İki görüntü birbirine iyi oturursa kare fark küçülür. W_z bu görüntü korunum/uyuşmazlık teriminin toplam optimizasyondaki ağırlığıdır.

Kare alınmasının matematiksel sonucu büyük uyuşmazlıkların küçük uyuşmazlıklardan daha güçlü cezalandırılmasıdır. Ancak bu değer bir meteorolojik “hata yüzdesi” değildir; MAPLE'nin çözmesi gereken optimizasyon fonksiyonunun parçasıdır.

Denklem 6: Düzgünlük regularization terimi

\[ F_V(V) = W_V \sum_x\sum_y \left[ \left(\frac{\partial u}{\partial x}\right)^2+ \left(\frac{\partial u}{\partial y}\right)^2+ 2\left(\frac{d^2u}{dx\,dy}\right)^2+ \left(\frac{\partial v}{\partial x}\right)^2+ \left(\frac{\partial v}{\partial y}\right)^2+ 2\left(\frac{d^2v}{dx\,dy}\right)^2 \right] dx\,dy \tag{6} \]

Bu terim yer değiştirme vektörlerinin komşu noktalarda anlamsız biçimde ani yön ve büyüklük değişiklikleri göstermesini cezalandırır. W_V büyüdükçe çözüm daha uzamsal olarak düzgün hale gelir. Bunun yararı gürültü kaynaklı sahte vektörlerin bastırılmasıdır; fakat regularization aşırı güçlendirilirse gerçek küçük ölçekli deformasyonlar da gereğinden fazla yumuşatılabilir.

Coarse-to-fine neden kullanılıyor?

Optimizasyon doğrudan çok yoğun bir gridde başlatılırsa yerel minimumlara takılabilir ve küçük ölçekli gürültü büyük hareketlerin doğru yakalanmasını zorlaştırabilir. Bu nedenle çalışma önce kaba ölçekte büyük hareketi tahmin eder, ardından sonucu giderek daha yoğun gridlere başlangıç tahmini olarak taşır.

Kaba aşamalarda Wz=1,0 ve WV=100 kullanılması büyük ölçekli görüntü hareketlerinin yakalanmasına ağırlık verir. 100×100 ve 300×300 ince aşamalarında Wz=0,5'e düşerken WV=1000'e çıkarılmıştır; böylece küçük ölçekli sahte vektörlerin, veri boşlukları ve sınırlar çevresindeki gerçekçi olmayan deformasyonların bastırılması güçlendirilmiştir. Kaynak bu operasyonel değerlerin NMSC ortamındaki tekrarlı değerlendirmeler sonucunda ampirik olarak ayarlandığını belirtmektedir.

Denklem 7: Faz düzeltilmiş simüle görüntü

\[ Z_m^{pc}(x,y) = Z_m\left(x-u(x,y),\,y-v(x,y)\right) \tag{7} \]

Bu işlem model görüntüsünü MAPLE'nin bulduğu yatay kayma kadar gözlenen yapıya doğru taşır. Amaç model sonucunu meteorolojik olarak “düzeltmek” değil, konum hatasını geçici olarak gidererek geriye kalan yoğunluk farkını ayrı incelemektir.

Denklem 8: Faz düzeltildikten sonraki parlaklık sıcaklığı farkı

\[ \Delta T_b^{pc}(x,y) = T_b^{GK2A}(x,y) - T_{b,m}^{RTTOV,pc}(x,y) \tag{8} \]

ΔT_b^pc, yatay konum farkı mümkün olduğunca giderildikten sonra gözlenen ve simüle parlaklık sıcaklığı arasındaki farktır. Böylece aynı sayı içinde hem “yapı başka yerde” hem de “yapı farklı şiddette” etkilerini karıştırmak yerine, ikinci bileşen daha temiz biçimde incelenebilir.

Pozitif veya negatif ΔT_b^pc'nin fiziksel yorumu görüntü yapısının kuru/nemli niteliği ve meteorolojik çevreyle birlikte yapılmalıdır. Çalışma vaka analizlerinde bu farkları yükselme ve çökme/subsidence süreçlerinin modelden daha güçlü veya daha zayıf olmasına ilişkin yorumlarla birlikte kullanmaktadır; tek başına ΔT işareti bütün durumlar için bağlamdan bağımsız evrensel sınıflandırıcı olarak sunulmamaktadır.

Potansiyel Vortisite Neden Kullanılıyor?

Potansiyel vortisit, su buharı görüntüsündeki kuru ve nemli yapıların yalnız görsel desenler olarak değil, üst troposfer ve tropopoz çevresindeki oluk, sırt ve dinamik gelişimle ilişkili fiziksel atmosfer yapıları olarak değerlendirilmesini sağlar; bu nedenle model görüntüsünün kendi dinamik alanıyla tutarlı olup olmadığını kontrol eden referans katmanı görevi görür.

Denklem 9: Hidrostatik Ertel potansiyel vortisit

\[ PV = -g \left[ (\zeta_p+f)\frac{\partial\theta}{\partial p} + \frac{\partial u}{\partial p}\frac{\partial\theta}{\partial y} - \frac{\partial v}{\partial p}\frac{\partial\theta}{\partial x} \right] \tag{9} \]

• g: yerçekimi ivmesi.
• f: Coriolis parametresi.
• ζ_p: izobarik yüzey üzerindeki bağıl vortisit.
• θ: potansiyel sıcaklık.
• p: basınç.
• u, v: bu denklemde KIM modelinin yatay rüzgâr bileşenleridir.

İlk büyük terim atmosferik dönme ile potansiyel sıcaklığın dikey basınç gradyanını ilişkilendirir. Diğer iki terim dikey rüzgâr kesmesi ile potansiyel sıcaklığın yatay gradyanları arasındaki baroklinik katkıyı içerir.

PV birimi PVU'dur:

\[ 1\;PVU = 10^{-6}\;K\,m^2\,kg^{-1}\,s^{-1} \]

Çalışmada altı PV gösterimi hesaplanmıştır: 400, 500 ve 600 hPa izobarik seviyelerindeki PV değerleri ile 1,0, 1,5 ve 2,0 PVU izoyüzeylerinin basınçları. Kaynak 1,5 PVU yüzeyinin tropopoz için yaygın kullanılan dinamik bir tanım olduğunu belirtmektedir.

PV ve su buharı neden her zaman birebir uyuşmaz?

Çalışmanın önemli metodolojik uyarılarından biri budur. Güçlü ve iyi organize olmuş oluk veya sırt sistemlerinde PV ile simüle WV yapıları arasında ilişki genellikle daha nettir. Fakat zayıf sistemlerde, derin konveksiyon sırasında, yoğun gizli ısı salımı olduğunda, bulut radyasyon süreçleri veya nem belirsizliği güçlendiğinde WV ile PV arasında farklar oluşabilir.

Bu nedenle “uydu WV, model PV'den farklı → model kesin yanlış” biçiminde otomatik bir karar verilmemektedir. Önce modelin kendi SWV görüntüsü ile kendi PV yapısının fiziksel olarak tutarlı olup olmadığı kontrol edilmektedir.

Type A, B ve C sınıfları ne anlama geliyor?

Kaynak Tablo 5'te kullanılan “=” ve “≠” işaretleri burada iki alanın sayısal olarak aynı olduğunu değil, analiz edilen meteorolojik yapı bakımından dinamik/görsel tutarlılık veya tutarsızlık bulunduğunu gösteren sınıflandırma gösterimleridir.

Type C'nin güçlü olmasının mantığı şöyledir: Model kendi içinde tutarlıdır; yani model atmosfer dinamiğinin ürettiği PV yapısı ile yine aynı model atmosferinden RTTOV aracılığıyla üretilen SWV görüntüsü birbirini desteklemektedir. Ancak gerçek uydu gözlemi bu dinamik gelişimden farklıdır. Bu durumda farkın yalnız model içindeki SWV-PV uyuşmazlığından kaynaklandığını söylemek zorlaşır ve gerçek atmosferin modelden farklı evrim geçirdiğine ilişkin daha güçlü teşhis yapılabilir.

80 km ve 2 °C eşikleri evrensel midir?

Hayır. Çalışmada faz yer değiştirmesi için 80 km ve parlaklık sıcaklığı farkı için 2 °C civarındaki eşikler incelenen vakalar üzerinden ampirik olarak belirlenmiştir. Yazarlar bunların daha geniş meteorolojik koşullara uygulanmadan önce daha fazla optimizasyon ve değerlendirme gerektirdiğini açıkça belirtmektedir. Bu değerler evrensel meteoroloji sabitleri değildir.

Bir yıllık doğrulama nasıl yapıldı?

Faz vektörleri, iki karşılaştırma üzerinden doğrulanmıştır:

1. GK2A gözlemi ile orijinal RTTOV simüle görüntüsü arasındaki parlaklık sıcaklığı farkı.
2. Aynı GK2A gözlemi ile MAPLE yer değiştirmesi uygulanmış faz-düzeltilmiş RTTOV görüntüsü arasındaki fark.

Eğer faz vektörü doğruysa simüle görüntü gözlenen yapıya daha iyi oturmalı, dolayısıyla RMSE düşmeli ve uzamsal korelasyon yükselmelidir. Kaynakta kullanılan iyileştirme oranı:

\[ \text{İyileştirme oranı} = 100\times \left| \frac{(ii)-(i)}{(i)} \right| \]

şeklinde verilmiştir. Burada (i) düzeltme öncesi, (ii) faz düzeltmesi sonrası değerdir. RMSE'de daha düşük değer, korelasyonda ise daha yüksek değer iyileşmeyi temsil eder.

Tabloyun temel mesajı yalnız tek bir tahmin saatinde iyileşme görülmesi değildir. Faz düzeltmesi, incelenen üç kanalın ve +0 ila +18 saatlik tahminlerin tamamında aynı yönlü etki göstermiştir: RMSE düşmüş, uzamsal korelasyon yükselmiştir. Bu, MAPLE'nin yakaladığı yatay kaymaların görüntü farklarının gerçek bir bölümünü açıkladığını desteklemektedir.

En yüksek RMSE iyileştirmesi %22,50 ile 6,3 µm kanalında t+06 saatinde görülmektedir. Korelasyon iyileştirmesinde en yüksek değer %27,48 ile 7,3 µm kanalında t+18 saatidir. Bu maksimumların farklı kanallarda ve farklı tahmin sürelerinde ortaya çıkması kanalların farklı dikey duyarlılıkları ve tahmin hatalarının zaman içindeki gelişimiyle ilişkilendirilmektedir.

Vaka 1: 28 Nisan 2021 oluğu ne gösterdi?

Birinci vaka, kuzeydoğu Çin üzerindeki cut-off low sisteminin kuru hava bölgesiyle birlikte Kore Yarımadası'na doğru gelişimini incelemektedir. Analizde 6,3 µm WV görüntüleri, 1,5 PVU yüzeyi ve gerektiğinde 500 hPa PV alanları kullanılmıştır.

Region 1'de gözlenen WV yapısı modelden yaklaşık 30-50 km kuzeydoğuda; Region 3'te yaklaşık 20-50 km kuzey-kuzeydoğuda; Region 4'te yaklaşık 40-50 km kuzeydoğuda bulunmuştur. Bu bölgelerde faz-düzeltilmiş parlaklık sıcaklığı farkları yaklaşık −1 ila −2 °C olarak raporlanmış ve gözlenen kuru sinyalin modeldekinden daha zayıf olduğu yorumlanmıştır. Bu bölgeler Type C özelliği göstermiştir.

Region 2 Type B2 olarak değerlendirilmiştir. Buradaki faz farkı 30 km'den küçük ve mutlak parlaklık sıcaklığı farkı 2 °C içinde olduğundan kaynak, bu farkların anlamlı ve güçlü bir tahmin-hatası yorumu yapmak için fazla küçük olduğunu belirtmiştir.

Genel teşhis, gerçek atmosferdeki siklonla bağlantılı oluğun modelin tahmin ettiğinden daha yavaş döndüğü/ilerlediği ve daha zayıf geliştiği yönündedir. Sonraki 500 hPa analiz alanı model tahminine göre biraz daha kuzeyde, daha sıcak ve daha zayıf vortisitli bir sistem göstererek uydu tabanlı teşhisi desteklemiştir. Kaynak, 29-30 Nisan'da gerçekleşen yağışlı tehlikeli havanın da tahmin edilenden daha zayıf gerçekleştiğini belirtmektedir.

Vaka 2: 16-17 Nisan 2021 Bohai Körfezi oluğu

İkinci vaka kuzeydoğu Çin'deki cut-off low ile bağlantılı kısa dalga oluğunun Bohai Körfezi üzerinden Kore Yarımadası'na ilerlediği ve kuvvetli hava olaylarıyla ilişkili olduğu 16-17 Nisan 2021 dönemidir. Olay sırasında belirgin bir kuru hava girişi, oluğun önünde nemli frontal bulut bandı, dolu ve yerel kuvvetli yağış raporlanmıştır.

Region 2'de gözlenen kuru bölge simüle kuru bölgeden yaklaşık 0-20 km daha dar bulunmuştur. ΔT_b^pc değerleri genel olarak +1 ila +2 K; kuru-nemli sınır yakınında ise yaklaşık +1 ila +4 K düzeyine ulaşmıştır. Kaynak bunu gözlemlerdeki kuru hava girişinin ve çökme hareketinin modeldekinden daha güçlü olduğunun göstergesi olarak yorumlamaktadır.

Region 3'te gözlenen nemli bölgenin model görüntüsüne göre faz farkı yaklaşık 0-10 km ve ΔT_b^pc yaklaşık −1 K'dir. Bu sonuç nemli yükselmenin model tahmininden daha güçlü olduğunu göstermiştir.

Her iki bölge Type C olarak sınıflandırılmıştır: modelin SWV görüntüsü PV yapısıyla uyumlu kalırken gerçek GK2A WV görüntüsü farklı bir gelişim göstermiştir. Sonraki 500 hPa analiz alanları daha düşük sıcaklık ve daha güçlü vortisit gelişimi göstererek uydu teşhisindeki “modelden daha güçlü gerçek dinamik gelişim” sonucunu desteklemiştir. Gerçekleşen dolu ve yerel kuvvetli yağış da model tahminine göre daha güçlü gelişmiştir.

İki vaka birbirine zıt sonuç verdiğinde yöntem neden önemli?

Birinci vakada model sistemi fazla güçlü ve hızlı geliştirirken ikinci vakada model gerçek atmosferdeki gelişimi yeterince güçlü temsil edememiştir. Yani yöntem yalnız “model hep fazla güçlüdür” veya “model hep zayıftır” gibi tek yönlü bir bias önermemektedir. Aynı çerçeve farklı vakalarda hatanın yönünü dinamik bağlama göre teşhis etmeye çalışmaktadır.

Çalışmanın desteklediği sonuçlar

• MAPLE faz düzeltmesi bir yıllık doğrulamada bütün üç WV kanalında ve bütün +0 ila +18 saat tahmin sürelerinde RMSE'yi azaltmış ve uzamsal korelasyonu artırmıştır.
• Gözlenen WV ile model-eşdeğer SWV'nin aynı radyans/parlaklık sıcaklığı uzayında karşılaştırılması yatay yer değiştirme ve yoğunluk hatalarının nesnel olarak ayrılmasını desteklemektedir.
• PV katmanı, su buharı görüntülerindeki farkların üst seviye atmosfer dinamiğiyle birlikte yorumlanmasını sağlamaktadır.
• Type C koşulları, modelin SWV-PV ilişkisi kendi içinde tutarlı olduğu için model tahmin eksikliğinin en açık teşhis edildiği sınıf olarak öne çıkmaktadır.
• İki Nisan 2021 vakasında uydu tabanlı teşhisler sonraki 500 hPa analiz alanlarının genel gelişimiyle tutarlı bulunmuştur.

Çalışmanın desteklemediği genellemeler

• Çerçevenin bütün hava olaylarında ve bütün coğrafyalarda aynı beceriyle çalıştığı sonucu çıkarılamaz.
• 80 km ve 2 °C eşikleri evrensel optimum değerler değildir.
• Her WV-PV uyumsuzluğu doğrudan NWP model hatası anlamına gelmez.
• Type B sınıflarında güvenilir tahmin-hatası teşhisi her zaman mümkün değildir.
• İki vaka çalışması tek başına uzun dönem operasyonel tahmin başarısını kanıtlamaz.
• Çalışma, çerçevenin nihai otomatik sınıflandırıcı olduğunu göstermemektedir; uzman yorumu hâlâ gereklidir.
• Bağımsız gözlem ve çok-vakalı geniş veri setleriyle kapsamlı teşhis becerisi henüz tamamlanmış değildir.

Çalışmanın Yöntemi ve Bulguları

Araştırma tasarımı

Çalışma gözlemsel uydu verisi, operasyonel sayısal hava tahmin modeli, ileri ışınım transferi simülasyonu, görüntü eşleştirme/optimizasyon yöntemi ve sinoptik dinamik analizini birleştiren hesaplamalı atmosfer bilimi çalışmasıdır.

Veri kaynakları

• Gerçek gözlem: GK2A/AMI 6,3, 6,9 ve 7,3 µm su buharı parlaklık sıcaklıkları.
• NWP modeli: Korean Integrated Model (KIM).
• Simüle uydu görüntüsü: RTTOV sürüm 13, all-sky yapılandırma.
• Faz farkı: MAPLE tabanlı Variational Echo Tracking.
• Dinamik referans: Hidrostatik Ertel PV; 400/500/600 hPa ve 1,0/1,5/2,0 PVU gösterimleri.

Doğrulama alanı ve zaman yapısı

Nicel faz-vörüntü doğrulaması Doğu Asya üzerinde 1 Ocak 2025'ten 1 Ocak 2026'ya kadar yapılmıştır. KIM tahminleri t+00 analizden t+18 saate kadar saatlik olarak değerlendirilmiştir. PV kompozitleri sinoptik ölçek nedeniyle 00-21 UTC arasında üçer saat aralıklarla hesaplanmıştır.

KIM yapılandırması

RTTOV all-sky koşulları

RTTOV simülasyonları hem açık gökyüzü hem bulutlu sahnelerde çalıştırılmıştır. KIM'in CLW, CIW ve CF değişkenleri bulut radyatif etkilerini temsil etmek için kullanılmıştır. Kaynak yağmur ve kar hidrometeor değişkenlerinin bu kızılötesi WV simülasyonlarına dahil edilmediğini belirtmektedir. Sıvı bulut parçacıklarının optik özellikleri RTTOV'nin OPAC tabanlı su bulutu parametreleştirmesiyle, buz bulutu özellikleri ise Baran buz optik parametreleştirmesiyle temsil edilmiştir.

Faz düzeltmesinin nicel sonucu

Bir yıllık doğrulamada üç WV kanalının tümünde faz düzeltmesi sonrasında RMSE azalması ve korelasyon artışı gözlenmiştir. RMSE iyileştirme oranları yaklaşık %18,59 ile %22,50 arasında; korelasyon iyileştirme oranları %15,99 ile %27,48 arasında değişmektedir.

Bu sonuç, faz düzeltmesinin uydu-model görüntülerindeki toplam hata problemini tamamen çözdüğü anlamına gelmez. İşlem yalnız yatay yer değiştirme bileşenini azaltmaya yöneliktir; faz düzeltildikten sonra kalan ΔT_b^pc farkları modelin yoğunluk/termodinamik temsilindeki olası farkların incelenmesi için korunmaktadır.

Vaka sonuçlarının karşılaştırılması

Sınırlılıklar

1. PV-SWV uyumu koşula bağlıdır. İyi gelişmiş sinoptik oluk ve sırtlarda ilişki daha açıkken zayıf ve düzensiz sistemlerde güvenilirlik azalabilir.

2. Diyabatik süreçler karışıklık yaratabilir. Gizli ısı salımı, derin konveksiyon, bulut radyatif etkileri ve nem belirsizliği WV-PV farkları oluşturabilir; bunların tamamı doğrudan tahmin hatası değildir.

3. Type B sınıfları belirsizdir. Model SWV'si model PV'siyle zaten tutarsızsa gerçek uydu ile model arasındaki farkın kaynağını kesin biçimde ayırmak daha zordur.

4. Eşikler ampiriktir. 80 km faz yer değiştirme ve 2 °C parlaklık sıcaklığı farkı eşikleri incelenen vakalara göre belirlenmiş olup başka meteorolojik koşullarda yeniden optimize edilmelidir.

5. Uzman yorumu tamamen ortadan kalkmamıştır. MAPLE ve ΔT_b^pc nesnelliği artırsa da Type A/B/C sınıflandırmasının son aşaması birleşik WV-PV-SWV ilişkilerinin uzman yorumuna kısmen bağlıdır.

6. Bağımsız kapsamlı doğrulama eksiktir. Yazarlar, sınıflandırma sisteminin bağımsız gözlemler, analiz alanları, forecast-error metrikleri veya analysis increment verileriyle geniş çok-vakalı sistematik beceri değerlendirmesinin henüz yapılmadığını açıkça belirtmektedir.

7. Vaka sayısı sınırlıdır. Operasyonel kullanım iki temsilî Nisan 2021 olayıyla gösterilmiştir. Farklı mevsimler, bulut ortamları ve sinoptik rejimler için daha geniş veri tabanı gerekmektedir.

Gelecek çalışma

Yazarlar daha büyük çok-vakalı veri kümeleri üzerinde nicel uzamsal benzerlik metrikleri, yer değiştirme teşhisleri ve istatistiksel özellik çıkarımı kullanarak daha nesnel ve otomatik sınıflandırma yöntemleri geliştirmeyi planlamaktadır. Ayrıca üç WV kanalının 1,0-2,0 PVU yüzeyleri ve 400-700 hPa PV alanlarıyla birlikte kullanıldığı çok katmanlı, daha kapsamlı üç boyutlu sinoptik analizlerin geliştirilmesi önerilmektedir.

Kaynak ve Yöntem Notu

Özgün çalışma: Diagnosing Numerical Weather Prediction Forecast Errors Using Geo-Kompsat-2A Observed and Simulated Water–Vapor Imagery Within A Potential-Vorticity Dynamical Framework

Yazarlar: Jun-Hyung Heo; Boram Kim; Minsang Kim; In-Chul Shin; Eun-Ha Sohn; KiRyong Kang.

Corresponding author: Jun-Hyung Heo.

ORCID: Springer Nature kaydı Jun-Hyung Heo için 0000-0002-2051-3861 ORCID'ini göstermektedir.

Kurum 1: National Meteorological Satellite Center, Korea Meteorological Administration, Jincheon-Gun 27803, Korea.

Kurum 2: Korea Ocean Satellite Center, Korea Institute of Ocean Science and Technology, Busan Metropolitan City 49111, Korea.

DOI: 10.1007/s13143-026-00451-w

Dergi: Asia-Pacific Journal of Atmospheric Sciences.

Cilt / makale numarası: Volume 62, Article 32.

Yayınevi: Springer Nature; dergi Korean Meteorological Society ile ilişkilidir.

Kaynak türü: Original Article.

Alınma: 6 Mart 2026.

Revizyon: 29 Temmuz 2026.

Kabul: 7 Ağustos 2026.

Yayın / version of record: 27 Ağustos 2026.

Hakemlik durumu: Dergide yayımlanmış version-of-record araştırma makalesidir; preprint olarak değerlendirilmemiştir.

Lisans: Creative Commons Attribution 4.0 International (CC BY 4.0). Kaynak, uygun atıf, lisans bağlantısı ve değişiklik bilgisinin belirtilmesi koşuluyla kullanım, paylaşım, uyarlama, dağıtım ve çoğaltmaya izin vermektedir. Üçüncü taraf materyaller için ayrı kredi satırı bulunması halinde o materyalin ayrı hak durumu geçerlidir.

Finansman: Çalışma, Korea Meteorological Administration National Meteorological Satellite Center tarafından finanse edilen “Development of Meteorological Satellite Operation and Application Technology” programı altındaki “Development of Operational Support Technologies for Satellite Utilization in Response to Meteorological Disasters” projesi tarafından desteklenmiştir; hibe numarası KMA2025-00121'dir.

Etik: Kaynak insan katılımcı veya hayvan içeren çalışma bulunmadığını belirtmektedir.

Çıkar çatışması: Yazarlar çıkar çatışması bulunmadığını beyan etmektedir.

Veri erişilebilirliği: Kaynak PDF'de ayrı bir “Data Availability” veya “Code Availability” bildirimi tespit edilmemiştir. Çalışma operasyonel GK2A ve KIM ürünlerini, RTTOV ve MAPLE tabanlı yöntemleri kullanmaktadır; Verianla bu nedenle ham veri veya kodun kamuya açık olduğu varsayımını yapmamaktadır.

Yazar katkıları: Jun-Hyung Heo çalışmayı tasarladı. Jun-Hyung Heo, Boram Kim, Minsang Kim ve In-Chul Shin deneysel/hesaplamalı uygulamaları yürüttü. Jun-Hyung Heo, Minsang Kim ve Boram Kim verileri analiz etti. Jun-Hyung Heo, In-Chul Shin ve Eun-Ha Sohn kaynak ve analiz araçları sağladı. Jun-Hyung Heo ve Boram Kim makalenin ilk taslağını yazdı. Eun-Ha Sohn ve KiRyong Kang çalışmayı denetledi ve projeyi yönetti. Bütün yazarlar nihai makaleyi gözden geçirip onayladı.

Yöntem özeti: GK2A/AMI gerçek WV gözlemleri → KIM atmosfer alanları → RTTOV v13 all-sky simüle WV → ortak 5 km grid → MAPLE-VET faz yer değiştirme vektörleri → coarse-to-fine iyileştirme → faz düzeltilmiş SWV → ΔT_b^pc yoğunluk farkı → KIM PV alanlarıyla dinamik tutarlılık kontrolü → Type A/B/C tahmin-hatası teşhisi.

Nicel doğrulama: Doğu Asya, 1 Ocak 2025-1 Ocak 2026; üç GK2A WV kanalı; KIM t+00-t+18 saat tahminleri.

Temel yorum sınırı: Faz vektörlerinin nicel doğrulaması güçlü olsa da WV-PV-SWV Type A/B/C çerçevesinin bağımsız çok-vakalı teşhis becerisi henüz tam sistematik olarak doğrulanmamıştır. Çalışma iki temsilî yüksek etkili hava olayıyla operasyonel uygulanabilirliği göstermektedir.

KIM çözünürlük notu: Kaynak, KIM'in 14 Mayıs 2025 öncesinde 12 km ve sonrasında 8 km yatay çözünürlükte işletildiğini belirtmektedir. Bir yıllık doğrulama dönemi her iki rejimi kapsar; kaynak Tablo 4 sonuçlarını çözünürlük dönemlerine göre ayrı raporlamamaktadır.