TAMDAR

TAMDAR ( Tropospheric Airborne Meteorological Data Reporting ) ^{[ 1 ]} es un sistema de monitoreo meteorológico que consta de un sensor atmosférico in situ montado en aeronaves comerciales para la recopilación de datos. Recopila información similar a la que recogen las radiosondas transportadas por globos meteorológicos . Fue desarrollado por AirDat LLC, que fue adquirida por Panasonic Avionics Corporation en abril de 2013 y operó hasta octubre de 2018 bajo el nombre de Panasonic Weather Solutions . Actualmente es propiedad de FLYHT Aerospace Solutions Ltd. ^{[ 2 ]}

En respuesta a una iniciativa gubernamental de seguridad aérea a principios de la década de 2000, la NASA (Daniels, ^{[ 3 ]} Tsoucalas ^{[ 4 ]} ), en asociación con la FAA , la NOAA y la industria privada, patrocinó el desarrollo y la evaluación iniciales de un sensor atmosférico in situ multifuncional patentado para aeronaves . El predecesor de Panasonic Weather Solutions, AirDat (anteriormente ODS de Rapid City, SD ), ubicado en Morrisville, Carolina del Norte y Lakewood, Colorado , se formó en 2003 para desarrollar e implementar el sistema de informes de datos meteorológicos aerotransportados troposféricos (TAMDAR) basado en los requisitos proporcionados por la División de Sistemas Globales (GSD) de los Laboratorios de Investigación del Sistema Terrestre (ESRL) de la NOAA, la FAA y la Organización Meteorológica Mundial (OMM).

El sensor TAMDAR se instaló originalmente en diciembre de 2004 en una flota de 63 aeronaves Saab SF340 operadas por Mesaba Airlines en la región de los Grandes Lagos de Estados Unidos, como parte del Experimento de Flota de los Grandes Lagos (GLFE), patrocinado por la NASA. En los últimos doce años, el uso de estos sensores se ha extendido más allá de los Estados Unidos continentales, incluyendo Alaska , el Caribe , México , Centroamérica , Europa y Asia . Entre las aerolíneas que utilizan el sistema se encuentran Icelandair , Horizon ( Alaska Air Group), Chautauqua ( Republic Airways ), Piedmont ( American Airlines ), AeroMéxico , Ravn Alaska , Hageland , PenAir , Silver Airways y Flybe , así como algunas aeronaves de investigación, incluyendo el avión BAe-146 FAAM de la Oficina Meteorológica del Reino Unido . Recientemente, también se ha alcanzado un acuerdo de instalación con una importante aerolínea del sudeste asiático. El sistema TAMDAR ha estado en funcionamiento continuo desde su instalación inicial en diciembre de 2004.

En 2014, los datos de TAMDAR comenzaron a implementarse en el programa nacional de mesonet que consta de NOAA y sus socios. ^{[ 5 ]}

En octubre de 2018, Panasonic Weather Solutions fue adquirida por FLYHT Aerospace Solutions, que ha integrado TAMDAR con su paquete de hardware AFIRs para aviones (proporcionando transmisión de datos en tiempo real a través de conexión satelital). ^{[ 6 ]}

Las observaciones de TAMDAR incluyen información sobre temperatura , presión , vientos en altura, humedad relativa , formación de hielo y turbulencia , datos cruciales para la seguridad aérea , la eficiencia operativa del Sistema Nacional del Espacio Aéreo (NAS) de EE. UU. y otros sistemas de gestión del espacio aéreo a nivel mundial, así como para otros entornos operativos dependientes del clima, como los sectores marítimo, de defensa y energético. Además, cada observación incluye coordenadas horizontales y verticales (altitud) derivadas del GPS , así como una marca de tiempo con una precisión de un segundo. Gracias a un flujo continuo de observaciones, TAMDAR proporciona resolución espacial y temporal, además de cobertura geográfica.

Los sistemas de observación de la atmósfera superior suelen estar sujetos a latencia, dependiendo de las redes de comunicación utilizadas y del protocolo de control de calidad. Las observaciones de TAMDAR se reciben, procesan, controlan y están disponibles para su distribución o asimilación en modelos en menos de un minuto desde el momento del muestreo. El sensor no requiere la intervención de la tripulación; funciona automáticamente y las frecuencias de muestreo y las constantes de calibración se pueden ajustar mediante comandos remotos desde un centro de operaciones en Estados Unidos. Los sensores TAMDAR transmiten continuamente observaciones atmosféricas en tiempo real a través de una red global de satélites mientras la aeronave asciende, vuela en crucero y desciende.

El sistema se instala normalmente en fuselajes de ala fija, desde pequeños sistemas aéreos no tripulados (UAS) hasta aviones de fuselaje ancho de largo alcance como el Boeing 777 o el Airbus A380 . Tras la finalización de las instalaciones previstas para 2015, se realizaron más de 6000 sondeos diarios en Norteamérica, Europa y Asia en más de 400 ubicaciones.

Los datos de formación de hielo de TAMDAR proporcionan datos objetivos y de gran volumen sobre la formación de hielo, disponibles para la industria aérea. ^{[ 1 ]} Los informes de formación de hielo de TAMDAR ofrecen una distribución espacial y temporal precisa de la presencia de hielo. Estos datos pueden estar disponibles en formato de observación sin procesar o utilizarse para mejorar las predicciones de los modelos de potencial de formación de hielo.

El sensor TAMDAR proporciona observaciones objetivas y de alta resolución de la tasa de disipación de remolinos (EDR) de la turbulencia. Estos datos se recopilan para mediciones de turbulencia media y máxima, y ​​pueden clasificarse en una escala de 7 puntos que indica si la turbulencia es leve, moderada o severa. El proceso de recopilación de datos EDR no depende del tipo ni la configuración de la aeronave, las condiciones de vuelo ni la carga.

Estos datos de turbulencia pueden utilizarse para modificar las rutas de llegada y salida de los vuelos. Pueden incorporarse a modelos para mejorar las predicciones de las condiciones de turbulencia, además de servir como herramienta de verificación para pronósticos de turbulencia a largo plazo basados ​​en modelos numéricos de predicción meteorológica (NWP). Al igual que con las observaciones de formación de hielo, la utilidad potencial de estos datos en la toma de decisiones del control del tráfico aéreo para evitar encuentros con turbulencia puede ser significativa en términos de costes y tiempo de vuelo.

Estudios independientes realizados por la NOAA-GSD, el Centro Nacional de Investigación Atmosférica (NCAR) y diversas universidades y agencias gubernamentales han verificado la precisión de los datos TAMDAR comparándolos con los de globos meteorológicos e instrumentación de prueba de aeronaves, así como cuantificando el impacto de TAMDAR en los modelos de predicción numérica del tiempo (NWP). Los experimentos en curso de exclusión de datos demuestran que la inclusión de datos TAMDAR puede mejorar significativamente la precisión de los modelos de predicción , con las mayores ventajas observadas durante eventos meteorológicos más dinámicos y severos.

Las observaciones de la atmósfera superior constituyen el conjunto de datos más importante para un modelo de pronóstico. La precisión de los pronósticos regionales a pequeña escala depende de la representación del flujo atmosférico, la humedad y los patrones de ondas en los niveles medios y superiores. Si estas características se analizan adecuadamente durante el período de inicialización del modelo, se obtendrá un pronóstico preciso. Se ha demostrado que los datos TAMDAR aumentan la precisión de los pronósticos en Estados Unidos entre un 30 y un 50 por ciento en promedio mensual, incluso para modelos 3D-Var (GSI). ^{[ 7 ]}

La FAA financió un estudio de impacto de cuatro años sobre TAMDAR que concluyó en enero de 2009. El estudio fue realizado por la División de Sistemas Globales (GSD) de la NOAA bajo un contrato de la FAA para determinar los beneficios potenciales de incluir datos de TAMDAR en el modelo 3D-Var Rapid Update Cycle (RUC), que era el modelo operativo actual centrado en la aviación, ejecutado por los Centros Nacionales de Predicción Ambiental (NCEP). Se ejecutaron dos versiones paralelas del modelo, una de ellas sin los datos de TAMDAR. Los resultados de este estudio concluyeron que se lograron mejoras significativas en la capacidad de pronóstico con la inclusión de los datos, a pesar de utilizar métodos de asimilación 3D-Var. La reducción en el error cuadrático medio móvil de 30 días, promediado en todo el territorio continental de Estados Unidos dentro de la capa límite para las variables de estado del modelo, fue la siguiente:

• Reducción de hasta un 50 % en el error de humedad relativa.
• Reducción del 35% en el error de temperatura.
• Reducción del 15% en el error del viento

Este estudio se realizó utilizando un modelo 3D-Var en una cuadrícula horizontal de 13 km (8,1 millas). Asimismo, la naturaleza de las estadísticas de la media de 30 días diluye el impacto real que proporcionan los datos de mayor resolución de TAMDAR durante eventos meteorológicos críticos. La mejora en la precisión de los pronósticos durante eventos dinámicos suele ser mucho mayor que la que se expresa en un promedio mensual que abarca los 48 estados contiguos. En otras palabras, el aumento en la precisión del modelo es mayor durante eventos meteorológicos dinámicos donde el tráfico aéreo y otros impactos operativos son mayores. ^{[ 7 ]}

El pronóstico RT-FDDA-WRF de Panasonic Weather Solutions se ejecuta en un dominio de América del Norte con un espaciado de cuadrícula de 4 km (2,5 mi) y puede incluir múltiples dominios anidados de 1 km (0,62 mi). Un estudio colaborativo de cuatro años con NCAR, utilizando los mismos datos que en los estudios mencionados anteriormente, ha demostrado que la metodología de asimilación FDDA/4D-Var puede casi duplicar la mejora en la habilidad de pronóstico en comparación con un modelo idéntico que ejecuta una configuración 3D-Var. Los resultados de este estudio se resumen a continuación utilizando las mismas estadísticas de verificación de media móvil de 30 días empleadas por NOAA. El impacto de TAMDAR utilizando FDDA/4D-Var resultó en: ^{[ 7 ]}

• Reducción del 74% en el error de pronóstico de humedad.
• Reducción del 58% en el error de pronóstico de temperatura.
• Reducción del 63% en el margen de error de la previsión del viento.

La capacidad de predicción, como el ejemplo presentado anteriormente, es posible gracias a (i) un sistema de observación in situ asinóptico como TAMDAR que transmite observaciones continuas en tiempo real a (ii) un modelo de predicción (determinista o probabilístico) que tiene la capacidad de asimilar datos asinópticos en cuatro dimensiones.

Los sensores TAMDAR están configurados actualmente para muestrear a intervalos de 300 pies (91 m) durante el ascenso y el descenso . Esta resolución se puede ajustar en tiempo real al intervalo deseado para el modelo de pronóstico receptor. La conexión satelital con el sensor es bidireccional, por lo que las tasas de muestreo, las constantes de calibración, las variables y los parámetros, así como las frecuencias de reporte, se pueden modificar de forma remota desde una ubicación en tierra. La tasa de muestreo en crucero se basa en el tiempo. Los sondeos, o perfiles verticales, se construyen a medida que se recibe cada observación. Todos los cálculos de variables basados ​​en el perfil (por ejemplo, CAPE , CIN , etc.) se calculan cuando una aeronave entra en crucero o aterriza. Cuando se selecciona un aeropuerto, se pueden visualizar sondeos sucesivos dentro de una ventana de tiempo determinada. Esto permite al usuario ver la evolución del perfil.

• Sistema de retransmisión de datos meteorológicos de aeronaves (AMDAR)

• FLYHT Aerospace Solutions archivado el 9 de agosto de 2020 en Wayback Machine .