Dokładne informacje na temat opadów atmosferycznych w wysokiej rozdzielczości czasowej oraz przestrzennej są niezbędne do zarządzania kluczowymi sektorami, takimi jak rolnictwo, gospodarka wodna oraz systemy wczesnego ostrzegania przed powodziami czy suszami.
Krajowe służby meteorologiczne i hydrologiczne w krajach rozwiniętych bazują na systemach pomiarowych opartych głównie na stacjach deszczomierzowych oraz radarach pogodowych. Niestety, te standardowe techniki często nie są wystarczające. Ich główne ograniczenia to rzadkie rozmieszczenie stacji w terenie oraz podatność radarów na błędy wynikające z ukształtowania powierzchni lub odległości. Niewystarczające pokrycie pomiarami monitorowanego obszaru utrudnia skuteczne prognozowanie różnych zjawisk i zagrożeń meteorologicznych.
W odpowiedzi na te wyzwania, środowiska naukowe oraz operacyjne służby meteorologiczne poszukują alternatywnych źródeł danych. Jedną z najbardziej obiecujących dróg jest wykorzystanie niekonwencjonalnych czujników (opportunistic sensors – OS), czyli już istniejącej infrastruktury, która może zostać zaadaptowana do pomiarów meteorologicznych. Mowa tu przede wszystkim o komercyjnych łączach mikrofalowych (Commercial Microwave Link – CML), wykorzystywanych przez operatorów sieci komórkowej, a także o sieciach prywatnych stacji deszczomierzowych (Personal Weather Stations – PWS), które mogą dostarczać cennych danych, zwłaszcza w regionach, gdzie tradycyjne sieci pomiarowe są rzadkie.
Istnieje jednak znacząca luka pomiędzy środowiskiem akademickim a praktycznym, operacyjnym wdrożeniem tych rozwiązań w codziennej pracy służb meteorologicznych i hydrologicznych.
Mimo że wiele badań wskazuje na skuteczność i duży potencjał tych technologii do dokładnego szacowania opadów, brakuje badań dotyczących ich zastosowania w operacyjnym monitorowaniu i prognozowaniu.
Nad analizą możliwości wypełnienia tej luki i wykorzystania pełnego potencjału tych danych koncentruje się artykuł naukowy opublikowany w Journal of Hydrometeorology (JHM): „How Close Are Opportunistic Rainfall Observations to Providing Societal Benefit?”, którego współautorem jest Magdalena Szaton z Zakładu Prognoz Nowcastingowych (CMOK-LMM).
Autorzy publikacji przeglądają literaturę na temat zastosowania danych OS w mapowaniu opadów i prognozowaniu hydrologicznym, a także raportują na temat ich przejścia z badań do praktyki, analizując również, w jakim stopniu operacyjne wykorzystanie danych niekonwencjonalnych przekłada się (lub może się przełożyć) na realne, wymierne korzyści społeczne.
Cały artykuł dostępny jest pod linkiem:
https://journals.ametsoc.org/view/journals/hydr/26/11/JHM-D-25-0043.1.xml
lub:
https://doi.org/10.1175/JHM-D-25-0043.1
Rys. 1.
Mapy świata z szacowanym zasięgiem dla (a) deszczomierzy GTS, (b) naziemnych radarów meteorologicznych, (c) CML (szacowane lokalizacje wież telefonii komórkowej uzyskane z projektu OpenCelliD: https://opencellid.org/) oraz (d) PWS z platform Netatmo (uzyskane za pośrednictwem Netatmo API: https://dev.netatmo.com/apidocumentation/weather) i WeatherCloud. Metody i zbiory danych opisano w Overeem et al. (2024b), z wyjątkiem lokalizacji deszczomierzy WeatherCloud, które pobrano z https://app.weathercloud.net/map w październiku 2024 r. i dodano do mapy zasięgu PWS. Mapy wykonano przy użyciu Natural Earth (bezpłatne dane wektorowe i rastrowe © https://naturalearthdata.com).
