Algoritmi de estimare a precipitatiilor folosind date numerice satelitare

Algoritmi de estimare a precipitatiilor folosind date numerice satelitare

1. Estimarea precipitatiilor folosind datele numerice digitale furnizate de un singur senzor satelitar

In acest caz tehnicile satelitare includ in principal doua metode pentru obtinerea cantitativa a precipitatiilor si anume: tehnici care folosesc informatii spectrale din vizibil si infrarosu termic si cele care folosesc informatii spectrale furnizate de radiometre ce activeaza in domeniul microundelor.

1.1.          Algoritmi care folosesc informatii spectrale satelitare din vizibil (VIS) si infrarosu termic (IR)

Dupa o clasificare a tehnicilor din vizibil si infrarosu de estimare a precipitatiilor  facuta de Barrett and Martin’s (1981) acestea sunt:

1.1.1.     Metode de Indexare a Norilor

Aceste metode atribuie fiecarui tip de nor identificat pe imaginea satelitara o valoarea a intensitatii precipitatiilor. Mai multi algoritmi care au la baza aceasta metodologie au fost dezvoltati la Universitatea din Bristol, initial pentru sateliti polar orbitali NOAA si apoi au fost adaptati pentru imaginile satelitare furnizate de satelitii geostationari. ,, Zilele ploioase” pentru o locatie data (un pixel) sunt identificate dintr-un sir de valori ale temperaturii de stralucire mai mici decat o valoare de prag stabilita. Cantitatea de apa pentru o locatie data este estimata prin relatia:

R = r_if_i

unde :

r_i este intensitatea precipitatiilor atribuita fiecarui tip de nor ,,i”

f_i este perioada de timp in care acel punct este acoperit de norul de tip ,,i”. Inainte de aceste calcule, imaginile satelitare trebuie sa fie clasificate. Un exemplu este dat in tabelul 1.

Tabelul 1.

Un exemplu de algoritm bazat pe aceasta tehnica este GPI (GOES Precipitation Index) (Arkin 1979).

1.1.2.     Metode Bispectrale

Metodele bispectrale sunt bazate pe o relatie foarte simpla, dar nu este  totdeauna adevarata, intre nori reci, stralucitori si probabilitatea mare de precipitatii. Acest lucru este caracteristic norilor cumulonimbus. Valorile mici ale probabilitatii sunt atribuite norilor reci dar lipsiti de stralucire (nori cirrus subtiri) sau stralucitori si calzi (nori stratus). Amintim aici metoda RAINSAt (Lovejoy and Austin, 1979; Bellon et al., 1980).

1.1.3. Metode de analiza a ,,vietii” norilor (life-history methods)

Aceasta metoda se bazeaza pe folosirea datelor numerice satelitare care au o rezolutie temporala buna si care pot furniza informatii despre miscarea si dezvoltarea structurilor noroase. Baza teoretica a acestor tehnici satelitare este ca intensitatea precipitatiilor varieaza in acord cu faza de dezvoltare (stagiul) a norilor convective. Scofield and Olivier (1977) a creat o asemenea metoda care s-a bazat pe urmatoarele premise:

1.     Precipitatiile sunt caracteristice norilor inalti stralucitori.

2.     Precipitatiile puternice sunt date de temperaturile joase ale varfurilor norilor, precipitatiile cu descarcari elctrice sunt favorizate de nori calzi si nori care se contracta.

3.     Precipitatiile sunt concentrate in partea (upshear of the anvil)

Tinand cont de aceste trei simple decizii, aplicatiile acestei metode au dovedit ca distributia si magnitudinea precipitatiilor obtinute prin date satelitare concorda cu cele date de masuratorile in situ (Ingraham et al., 1977). Aceasta metodologie a fost imbunatatita de NOAA Environmental Satellite Data Information Service (NESDIS) devenind o metoda operationala care estimeaza intensitatea precipitatiilor folosind date satelitare GOES. Avantajul pe care il ofera aceasta metoda consta in abilitatea ei de a furniza repede si destul de correct estimari ale intensitatii precipitatiilor.

1.1.4. Metode bazate pe modele de nori.

Aceste metodologii folosesc informatii despre structura norului in procedeul de de determinare cantitativa a precipitatiilor. Gruber (1973) a introdus parametrizarea fenomenului de convectie -nori cumulus pentru a stabili o relatie intre acoperirea noroasa si intensitatea ploilor.

Algoritmul CST(Convective – Stratiform Technique) este un model de nor 1D care stabileste o legatura intre temperatura varfurilor norilor cu intensitatea precipitatiilor si zonele ploioase (Adler and  Negri (1988)).

1.1.5. Algoritm de estimare a precipitatiilor folosind date multispectrale GOES   (GMSRA)

Acest algoritm foloseste informatiile spectrale combinate din canalul de vizibil  (0.65 µm), infrarosu apropiat (3.9 µm) si infrarosu termic (6.7 µm, 11 µm, and 12 µm) ale platformei satelitare GOES. Pentru estimarea precipitatiilor in timpul zilei, primul pas al algoritmului consta in identificarea norilor grosi din punct de vedere optic, care au o reflectanta mare in vizibil. Norii Cirrus care nu au precipitatii sunt determinati empiric folosind un gradient de temperatura dat de canalul de 11 µm iar raza efectiva a particulelor care compun norul este data reflectanta din canalul 3.9 µm. Algoritmul foloseste raza efectiva pentru a separa norii calzi ploiosi de nori calzi care nu au precipitatii. In timpul noptii aceasta metoda se bazeaza pe informatiile spectrale din infrarosu termic si vaporii de apa si precipitatiile sunt estimate pentru norii care au o temperatura mai mare de 240 K. Pentru fiecare pixel clasificat ca fiind pixel cu norii precipitabili, instantaneu ii este asociat o valoare a intensitatii precipitatiilor care este calculata folosind o valoare de intensitate medie pre-calibrata pentru temperatura de stralucire a varfurilor norilor data de canalul 11 µm.

1.2.          Algoritmi care folosesc informatii spectrale satelitare din domeniul microundelor.

Norii sunt opaci pe imaginile satelitare din domeniul vizibil si infrarosu si precipitatiile sunt estimate numai folosind informatiile spectrale de la varful norului. In contrast cu aceasta, pentru frecventele senzorilor pasivi din domeniul microundelor, particulele de precipitatii sunt principala sursa a atenuarii (particule mari de gheata) sau cresterii semnalului primit de senzor datorita emisiei guvernata de picaturile de apa.

1.2.1. Avantaje ale folosirii senzorilor pasivi din domeniul microundelor

furnizeaza informatii la scara globala

informatiile furnizate de sistem sunt bine relationate cu cele despre precipitatii.

12.2. Dezavantaje ale folosirii senzorilor pasivi din domeniul microundelor

rezolutie temporala joasa

rezolutie spatiala joasa  (5-25 km)

1.2.3. Principiul de estimare a precipitatiilor din informatii spectrale furnizate de senzorii pasivi din domeniul microundelor.

• La frecvente joase (eg. 19 GHz) –numai pentru zona de apa : valori de temperatura mari (cald) datorita emisiei guvernata de picaturile de ploaie; rezulta precipitatii puternice.
• La frecvente ridicate (eg. 85.5 GHz) – pamant si apa: valori de temperatura scazute datorita fenomenului de imprastiere guvernat de particulele de gheata mari; fenomen de imprastiere intens implica precipitatii puternice; valori de temperatura ridicate (calde) implica neexistenta precipitatiilor.

12.3.1. Exemple de algoritmi care folosesc informatii spectrale ale senzorilor pasivi din domeniul microundelor

Tinand cont de principiile de estimare a precipitaiilor din informatii spectrale furnizate de senzorii pasivi din domeniul microundelor NESDIS a dezvoltat doi algoritmi:

(a).  Metode de imprastiere globala – bazate pe calculul Indicelului de imprastiere (SI) (Grody, 1991):

SI=a₀+a₁*TB_19V+a₂*TB_22V+a₃*TB²_22V -TB_85V

unde coeficientii a₀, a₁, a₂ si a₃ sunt diferiti pentru apa si uscat.

Apoi, masuratorile radar de estimare a precipitatiilor si SI au fost folosite in stabilirea unei relatii de determinare a intensitatii precipitatiilor (Ferraro and Marks (1995))

RR= a*SI ^b

(b).  Metode de estimare a precipitatiilor in zona de ocean bazate pe fenomenul de emisie.

Metodologia este bazata pe regasirea continutului de apa lichida atmosferic (Q) folosind canalul SSM/I 19 GHz, polarizare verticala:

Q₁₉= -6.723[ln(290 –TB_19V)-2.850-0.405ln (290 –TB_22V)]

iar intensitatea precipitatiilor este data de relatia (Ferraro and Marks(1995)):

RR= c* Q₁₉ *100)^d

1.3. Algoritmi de estimare a precipitatiilor folosind informatii spectrale combinate furnizate de senzorii satelitarii din domeniul microundelor, vizibil si infrarosu termic.

Avantajul folosirii unor asemenea algoritmi este posibilitatea de a combina rezolutia temporala si spatiala a estimarilor  de precipitatii obtinute din date satelitare folosind domeniul vizibil si infrarosu cu acuratetea estimarii produselor de precipitatii folosind date satelitare ale senzorilor pasivi din domeniul microundelor

1.3.1.     Algoritmul CMORPH- dezvoltat de Centrul de Prognoza Climatic NOAA

CMORPH (CPC MORPHing technique) foloseste produsele de precipitatii obtinute din informatiile spectrale furnizate SSM/I, AMSU-B, AMSR-E and TRMM, dar este capabil sa incorporeze produse de precipitatii realizate folosind alte tehnici satelitare. Din infrarosu foloseste numai informatia de propagare spatiala pentru a reproduce caracteristicile obtinute in domeniul microundelor..

1.3.2.     Algoritmul CRR (Convective Rain Rate) - estimarea ratei precipitatiilor din date numerice satelitare Meteosat Second Generation (folosit de METEO ROMANIA)

Descrierea algoritmului CRR

Algoritmul dezvoltat pentru obtinerea produsui CRR se bazeaza pe urmatoarea relatie empirica: probabilitatea producerii precipitatiilor este cu atat mai mare cu cat sunt norii mai inalti si mai densi. Informatiile despre inaltimea si densitatea norilor pot fi obtinute folosind datele de temperatura de stralucire din canalul IR, respectiv  reflectantele din VIS.

Pe de alta parte, daca WV este temperatura in canalul WV, diferenta IR – WV este un parametru utilizat pentru evidentierea formatiunilor noroase convective.

Scopul produsului este eO stimarea ratei precipitatiilor asociate norilor convective. Rezultatul final (figura 1) il constituie distributia precipitatiilor convective, care este un produs numeric calibrat (in mm/h), divizat in clase, intr-un format imagine. Acest produs furnizeaza meteorologilor informatii complementare celor oferite de produsele de tip PC - norii precipitabili (figura 2 si 3) si CT - clasificarea norilor (figura 4) referitor la monitorizarea precipitatiilor si convectiilor.

Figura 1. Estimarea ratei precipitatiilor asociate norilor convective folosind date numerice satelitare MSG, 26.10.2004, 11:00 UTC

Figura 2. Estimarea intensitatatii probabile a precipitatiilor pe categorii de nori folosind date satelitare MSG, 26. 10. 2004, 11:00 UTC

Figura 3. Estimarea intensitatatii probabile a precipitatiilor pe categorii de nori folosind date satelitare MSG – zona extinsa de interes, 26. 10. 2004, 11:00 UTC

Figura 4. Determinarea claselor importante de nori folosind date numerice satelitare MSG; 26. 10. 2004, 11:00 UTC.

Bibliografie

Adler, R. F., and A. J. Negri, 1988: A satellite infrared technique to estimate tropical convective and stratiform rainfall. J. Appl. Meteorol., 27, 30-51.

Arkin, P. A., 1979: The relationship between fractional coverage of high cloud and rainfall accumulations during GATE over the B-scale array. Mon. Wea. Rev., 106, 1153-1171.

Barrett, E. C., and D. W. Martin, 1981: The Use of Satellite Data in Rainfall Monitoring.Academic Press, 340 pp.

Bellon, A., S. Lovejoy, and G. L. Austin, 1980: Combining satellite and radar data for the shortrange  forecasting of precipitation. Mon. Wea. Rev., 108, 1554-1556.

Ferraro, R. R., and G. F. Marks, 1995: The development of SSM/I rain-rate retrieval algorithms using ground-based radar mea-surements. J. Atmos. Oceanic Technol., 12, 755–770.

Grody, N. C., 1991: Classification of snow cover and precipitation using the Special Sensor Microwave/Imager (SSM/I). J. Geophys. Res., 96, 7423–7435.

Gruber, A.,1973: Estimating rainfall in regions of active convection. J. Appl. Meteorol., 12, 110- 118.

Ingraham D, Amorocho J, Guilarte M, Escalona M. 1977. Preliminary rainfall estimates in Venezuela and Columbia from GOES satellite images. In Proceedings of 2nd Conference in Hydrometeorology, Toronto, 25–27 October 1977. American Meteorological Society: Boston, MA; 316–323.

Lovejoy, S., and G. L. Austin, 1979: The delineation of rain areas from visible and IR satellite data from GATE and mid-latitudes. Atmos.-Ocean, 17, 77-92.

Scofield, R. A., and V. J. Oliver, 1977: A scheme for estimating convective rainfall from satellite imagery. NOAA Tech. Memo. NESS, 86, Dept. of Commerce, Washington, D.C., 47pp.