Исследователи ВМС стремятся улучшить прогнозирование погоды для глобальных операций

С началом сезона атлантических ураганов в этом месяце Управление военно-морских исследований (Office of Naval Research, ONR) реализует ряд проектов, чтобы помочь военным метеорологам по всему миру лучше предсказывать штормы. Погода является критическим фактором для морских операций, и исследования ONR повышают точность и возможности прогнозирования для любого района мира.

Эти усилия приводят к созданию усовершенствованных моделей прогнозирования погоды и состояния океана. Они помогают командованию планировать маршруты кораблей, чтобы избежать штормов, снизить расход топлива, обойти дрейфующие льды в Арктике и повысить безопасность на море. Метеорологи Флотского метеорологического центра в Норфолке используют модели и инструменты, разработанные ONR, комбинируя данные реального времени с наблюдениями с кораблей и результатами моделирования.

ONR часто сотрудничает с Национальным управлением океанических и атмосферных исследований (NOAA), поскольку одни и те же данные и модели помогают как флоту, так и национальным службам прогноза погоды. Разрабатывается новая компьютерная модель — Tropical Cyclone Coupled Ocean/Atmospheric Mesoscale Prediction System (TC-COAMPS), позволяющая прогнозировать траекторию и интенсивность штормов в реальном времени с высоким разрешением. В отличие от прежних статистико-динамических методов, она обеспечивает прямое прогнозирование.

Исследователи ONR также используют автономные подводные аппараты, океанские планеры и другие сенсоры для сбора данных о влиянии океана на глобальные погодные процессы. Эти данные улучшают математические уравнения в моделях, предсказывающих погоду, состояние моря и даже ледовые условия в Арктике. По мере отступления арктических льдов и открытия новых морских путей это направление приобретает стратегическое значение для проектирования кораблей и планирования операций.

В будущем ONR надеется объединить множество моделей прогноза погоды для создания комплексной глобальной сопряжённой модели, которая значительно расширит возможности прогнозирования и наше понимание окружающей среды.