Previsión de tormentas mediante aprendizaje automático basado en GNSS

La previsión de eventos meteorológicos severos y tormentas de verano, en particular, se estudia intensivamente ya que tienen un gran potencial para causar pérdidas económicas y sociales importantes. El uso de observaciones de Sistemas Globales de Navegación por Satélite (GNSS) para la previsión meteorológica ha sido investigado en diversas regiones. Sin embargo, la combinación del vapor de agua integrado verticalmente (IWV) con perfiles verticales de refractividad húmeda derivados de la tomografía GNSS no se ha explotado para pronósticos a corto plazo de tormentas. En este estudio, introducimos una metodología para utilizar la sinergia de IWV y perfiles verticales basados en tomografía para predecir tormentas de 0 a 2 horas utilizando un enfoque de aprendizaje automático para Polonia. Además, presentamos un análisis de la importancia de las características que participan en el proceso de predicción. La precisión del modelo alcanzó más del 87%, y la precisión de la predicción fue de alrededor del 30%. Los resultados muestran que la refractividad húmeda por debajo de 6 km y el IWV al oeste de la tormenta son algunos de los parámetros significativos con potencial para predecir la ubicación de la tormenta. El análisis del IWV demostró una correlación entre los cambios de IWV y la ocurrencia de tormentas.