Previsão de tempo severo: Desafios, novas tecnologias e aprendizado com o Projeto SOS-CHUVA e a nova geração de satélites GOES-16

Transcrição

1 1 o Workshop Desafios da meteorologia na gestão urbana 18 de outubro de 2018 Rio de Janeiro, RJ Previsão de tempo severo: Desafios, novas tecnologias e aprendizado com o Projeto SOS-CHUVA e a nova geração de satélites GOES-16 Prof a Dr a Rachel Ifanger Albrecht rachel.albrecht@iag.usp.br colaboradores: Luiz Machado, Vinicius Sperling, Camila Lopes, Carlos Morales, Izabelly Costa, Bruno Ribeiro. 1

2 Sumário 1) Previsão de tempo de severo: a) O que é e o que é necessário para fazê-la? b) Quais são os desafios? 2) Novas tecnologias e aprendizado na previsão imediata de tempo: a) O projeto SOS-CHUVA b) A nova geração de satélites: GOES-16 (GOES-R) 2

3 1) Previsão de tempo severo: o que é e o que é necessário para fazê-la? 1) Previsão de tempo severo: o que é e o que é necessário para fazê-la? A previsão e monitoramento de tempo severo é um dos maiores desafios encarados pelos Serviços Meteorológicos do mundo, sendo um desafio NOVO e ainda MAIOR NOS TRÓPICOS. Tempo severo são sistemas meteorológicos que levam a ocorrência de: Granizo (> 1,9 cm) Rajadas de vento (>93 km/h) Inundações e enchentes Raios Tornados 3

4 1) Previsão de tempo severo: o que é e o que é necessário para fazê-la? Além da ameaça à vida, os ventos fortes, granizo, raios, enchentes e inundações dessas tempestades causam também danos materiais extensivos à construções, lavouras e infraestrutura. 4

5 1) Previsão de tempo severo: o que é e o que é necessário para fazê-la? Para evitar esses danos, a meteorologia dispõe de métodos de previsão de tempo severo: Previsão de tempo clássica, na escala de dias; Previsão imediata de tempo (i.e., nowcasting ), na escala de minutos à horas. 5

6 1) Previsão de tempo severo: o que é e o que é necessário para fazê-la? A previsão de tempo severo é uma das mais difíceis de serem realizadas em qualquer um desses métodos porque, para ser eficaz, ela exige a determinação de: Probabilidade de ocorrência (%) Intensidade Locais afetados Tempo de antecedência (a fim de dar um tempo de resposta adequado aos usuários) 6

7 1) Previsão de tempo severo: o que é e o que é necessário para fazê-la? Um exemplo clássico e bem sucedido são as previsões de tempo severo associadas aos ciclones tropicais (e.g., furacões): Probabilidade e localidade Intensidade Antecedência da previsão 7

8 1) Previsão de tempo severo: o que é e o que é necessário para fazê-la? Porém, a os ciclones tropicais (probabilidade (%), intensidade, locais afetados, tempo de antecedência) são um fenômeno de larga escala, o que garante relativa alta previsibilidade na escala de tempo de dias. Tempo severo de menor escala (e.g., tempestades locais) são fenômenos de meso-escala e menos previsíveis na escala de tempo de dias, mas muito bem previsíveis na escala de tempo de horas a minutos quando usamos técnicas de nowcasting, associadas à previsão clássica de até 48h. Previsão de 48h Probabilidade de Tempo Severo Previsão de 48h + Nowcasting 8

9 1) Previsão de tempo severo: o que é e o que é necessário para fazê-la? Nos Serviços Meteorológicos onde a previsão de tempestades que geram tempo severo é adequada, existem três elementos principais associados à ocorrência desses eventos que são muito bem definidos e conhecidos: i. Parâmetros específicos e limites bem estabelecidos de severidade e.g., calculo de índices de instabilidade ii. Os padrões meteorológicos (e evolução) associados à ocorrência de tempo severo e.g., evolução e padrão de escoamento de vento e umidade de larga escala iii. A climatologia de cada um dos eventos severos, para determinarmos as potencias áreas de ocorrência 9

10 1) Previsão de tempo severo: o que é e o que é necessário para fazê-la? Os métodos que preveem a ocorrência de tempo severo são baseados nas propriedades atmosféricas favoráveis à ocorrência desses eventos. Esses métodos levam em consideração: Dados observacionais e.g., estações meteorológicas e balões meteorológicos Imagens de satélite Informações de Radares Meteorológicos Resultados de modelos numéricos de previsão de tempo Todas variáveis são coletadas no Brasil! 10

11 1) Previsão de tempo severo: quais são os desafios? Vários métodos de previsão de tempo severo foram desenvolvidos ao longo dos anos, principalmente nos Estados Unidos e Europa. Os indicadores desses métodos são baseados nas condições meteorológicas locais e seus limiares devem ser calibrados para cada região do globo, e é aí que encontramos os maiores desafios da Meteorologia no Brasil frente aos eventos severos: A. Extensão continental do Brasil e sua grande variabilidade de características físicas Região tropical e subtropical, florestas, montanhas, planaltos, costas B. DISPONIBILIDADE DE DADOS históricos e em tempo real Históricos para mapear as zonas e períodos de risco ; Tempo real para emissão de alertas (prejudicado pela falta ou precariedade dos meios de comunicação e.g., região Norte do Brasil) C. RECURSOS HUMANOS e capacidade computacional Formação e ABSORÇÃO de pessoal qualificado; Computação de alto desempenho D. CAPACIDADE dos previsores em receber e manipular os produtos meteorológicos Cursos de capacitação E. POLÍTICAS PÚBLICAS de apoio e capacidade dos usuários em aplicar as informações Organização das responsabilidades de cada órgão para construir um sistema eficaz de disseminação da informação e ações de prevenção e correção 11

12 Defesa Civil Escritórios estaduais e locais 1) Previsão imediata de tempo (i.e., nowcasting): quais são seus desafios? Exemplo da NOAA em previsão imediata de tempo (Estados Unidos): Rádio NOAA Dados observacionais Público Geral Severe Prediction Center Modelos numéricos de Previsão de Tempo Dados observacionais Dados de Radar Meteorológico Rádio, TV, Celular, Companhias privadas Dados de satélite SOS CHUVA Referência: National Severe Local Storms Operations Plan (FCM-P ), Washington, DC 12

13 1) Previsão imediata de tempo (i.e., nowcasting): quais são os desafios? Como viabilizar uma estrutura semelhante no Brasil? 13

14 1) Previsão imediata de tempo (i.e., nowcasting): quais são os desafios? Logo, o projeto SOS CHUVA é uma prova de conceito de um modelo de previsão de tempo severo, focando em alguns dos desafios: A. Disponibilidade de dados históricos e em tempo real Históricos para mapear as zonas e períodos de risco ; Tempo real para emissão de alertas (prejudicado pela falta ou precariedade dos meios de comunicação e.g., região Norte do Brasil) B. Recursos humanos e capacidade computacional* Formação e absorção de pessoal qualificado; Computação de alto desempenho C. Extensão continental do Brasil e sua grande variabilidade de características físicas Região tropical e subtropical, florestas, montanhas, planaltos, costas D. Capacidade dos previsores em receber e manipular os produtos meteorológicos Cursos de capacitação E. Políticas públicas de apoio e capacidade dos usuários em aplicar as informações Organização das responsabilidades dos órgão e sistema eficaz de disseminação da informação 14

15 SISTEMA DE OBSERVAÇÃO E PREVISÃO DE TEMPO SEVERO 15

16 Sta Maria -RS S.J.Campos-SP Manaus-AM Belém-PA Fortaleza-CE Alcântara-MA GPCP ( ) rainfall (mm/day) O que é o CHUVA? Projeto CHUVA ( ) (Fapesp 2009/ ) Cloud processes of the main precipitation systems in Brazil: A contribution to cloud resolving modeling and to the GPM (GlobAl Precipitation Measurement)

17 Sta Maria -RS S.J.Campos-SP Manaus-AM Belém-PA Fortaleza-CE Alcântara-MA GPCP ( ) rainfall (mm/day) O que é o CHUVA? Projeto CHUVA ( ) (Fapesp 2009/ ) Cloud processes of the main precipitation systems in Brazil: A contribution to cloud resolving modeling and to the GPM (GlobAl Precipitation Measurement)

18 O que é o SOS-CHUVA? SISTEMA DE OBSERVAÇÃO E PREVISÃO DE TEMPO SEVERO = Observation System and Nowcasting of Severe Weather Objetivos do SOS-CHUVA ( ) (Fapesp 2015/ ): Aplicar o conhecimento sobre microfísica de nuvens adquirido durante o Projeto; Entender a evolução da microfísica de nuvens à medida que ela muda para se tornar um evento extremo; Construir modelos conceituais e prever essas mudanças; Desenvolver um sistema de alerta de intensificação de tempestades; Torne esta informação útil e acessível à sociedade: Informação enviada diretamente à Defesa Civil Informação envieada diretamente ao público em geral 18

19 Local e instrumentação Sítio principal em Campinas-SP (~90 km de São Paulo, capital) Dezembro 2016 à Julho 2018 (1 ano e 9 meses) Radares:, (S-band dual-pol.), (S-band, single pol.) 19

20 Local e instrumentação Base na Unicamp (Universidade Estadual de Campinas): Radar Sellex X-Pol Micro-Rain Radar Radiômetro Disdrômetros Joss Waldvogel e Parsivel Vapor total de água por GPS Pluviômetro Distribuição de tamanho de aerossóis Concentração de núcleos de condensação de nuvens Estação meteorológica 20

21 Local e instrumentação Rede medição de campo elétrico (field-mill) Dados enviados por internet via celular 21

22 Local e instrumentação Rede de medição de granizo (hailpad): 23 sensores; 10 tempestades amostradas 22

23 Local e instrumentação Na USP-Esalq (Piracicaba): Rede de pluviômetros de alta densidade para agricultura de precisão 23

24 Local e instrumentação Redes de detecção de raios: BrasilDAT (EarthNetworks), STARNET (USP) and LINET (USP-Nowcast) STARNET BrasilDAT LINET 24

25 Modelos numéricos de previsão de tempo que resolvem nuvens (CRM Cloud Rosolving Models) BRAMS Brazilian Regional Atmospheric Modeling System (operacional) Redução do tempo de spin-up ( aceleração ) para nowcasting Rodadas a cada 3h WRF-ARW (pesquisa e operacional) Assimilação de dados de radar meteorológico (Vendrasco et al. 2016) Assimilação de dados de raios do sensor GLM do satélite GOES-16 GLM (Vendrasco et al. 2017) WRF-CELLS (somente pesquisa) Com eletrificação de nuvem explícita (Mansell et al. 2013; Fierro et al. 2014) Combinação de diferentes esquemas de parametrização de microfísica e eletrificação de nuvens (Puig e Albrecht 2018) Meso-NH (somente pesquisa) Com eletrificação de nuvem explícita e propagação explícita do canal das descargas elétricas (Morais 2018) 25

26 Resultados preliminares: Tempestades de granizo Distribuição de tamanho de granizo (7 tempestades): cortesia de Camila Lopes (IAG-USP) 26

27 Resultados preliminares: Tempestades de granizo Tempestade do dia 15-Nov-2018, Indaiatuba e Campinas: cortesia de Camila Lopes (IAG-USP) 27

28 Resultados preliminares: Tempestades de granizo Tempestade do dia 15-Nov-2018, Indaiatuba e Campinas: placa de medição de granizo cortesia de Camila Lopes (IAG-USP) 28

29 Resultados preliminares: Tempestades de granizo Tempestade do dia 15-Nov-2018, Indaiatuba e Campinas: cortesia de Camila Lopes (IAG-USP) placa de medição de granizo 29

30 Resultados preliminares: Tempestades de granizo Tempestade do dia 15-Nov-2018, Indaiatuba e Campinas: cortesia de Camila Lopes (IAG-USP) placa de medição de granizo 30

31 n o de raios por minuto Resultados preliminares: Tempestades de granizo Tempestade do dia 15-Nov-2018, Indaiatuba e Campinas: intra-nuvem nuvem-solo Hora (UTC) cortesia de Camila Lopes (IAG-USP) 31

32 Resultados preliminares: Tempestades de granizo Altura da máxima concentração de hidrometeoro e máxima taxa de raios: cortesia de Jean-François Ribau (CPTEC-INPE) máxima taxa de raios 32

33 PRODUTOS

34 WEB

35 WEB

36 WEB

37 WEB

38 Plataforma de Nowcasting 38

39 Plataforma de Nowcasting 39

40 Período de operação intensiva 27-Nov à 01-Dez-2018 Teste da Plataforma de Nowcasting em tempo real* Atividades em conjunto com RELAMPAGO Dry-Run Treinamento de estudantes e Defesa Civil 40

41 Alcançando o público em geral Aplicativo de celular com dados de vários radares meteorológicos, imagem de satélite do Brasil, raios e previsão de chuva para os próximos 20 minutos. Alertas de tempo severo: aproximação de raios e chuva da local do usuário. 41

42 Alcançando o público em geral 42

43 Divulgação em mídias sociais 43

44 Geostationary Operational Environmental Satellites (GOES-R/S) 44

45 História do programa de satélites GOES Antes do laçamento, os satélites GOES são denominados por letras (-A, -B, -C..., -R, -S). Assim que é lançado, o satélite é redenomnado com um número (-1, -2, -3, -16, -17) GOES-1 a GOES-3 GOES D-H GOES -4 a GOES-7 (GOES-G falhou) GOES I-M GOES-8 a GOES-12 GOES N-P GOES-13 a GOES-15 (GOES-Q cancelado) GOES R/S GOES-16/17 Primeiro satélite GOES da NOAAS Spin-stabilized Imageador e Sondador alternados 3-axis stabilized Imageador e sondador simultâneo, 100% do tempo Aumento da resolução Launched in Nov/2016 Aumento da resolução espacial, temporal e espectral Raios Tempo espacial 45

46 História do programa de satélites GOES GOES-17 (checkout position) GOES-15 GOES-16 GOES-13/14

47 GOES-R totalmente montado e em testes

48 GOES-R/S Series Spacecraft Extreme Ultraviolet and X-Ray Irradiance Sensor (EXIS) Solar Ultraviolet Imager (SUVI) Space Environment In Situ Suite (SEISS) Magnetometer Geostationary Lightning Mapper (GLM) Advanced Baseline Imager (ABI)

49 Advanced Baseline Imager (ABI) X X Mais rápido em cobertura temporal: imagem full disk em até 5 minutos (vs. 25- minute no GOES-13) Mais resolução espacial Ex.: IR: 2 km (vs. 4 km no GOES-13) X Mais bandas espectrais: 16 bandas no ABI (vs. 5 no imageador GOES- 13) 49

50 ABI Cobertura espacial 2 modos de varredura: Full disk a cada 15 minutos + CONUS a cada 5 minutos + MESO a cada 30 segundos. 50

51 ABI Cobertura espacial 2 modos de varredura: Full disk a cada 15 minutos + CONUS a cada 5 minutos + MESO a cada 30 segundos. ou Full disk a cada 5 minutos. 51

52 ABI Cobertura espacial Outro exemplo: 52

53 Full Disk Imagery Increased From 8X to 96X per Day GOES-16 every 15 minutes GOES-13 every 3 hours 53

54 Cordoba, Argentina February 21,

55 55

56 ABI Bandas Espectrais ABI Approximate Central Wavelength (μm) ABI Band Type Theme Visible Blue Visible Green Visible Red Near-Infrared Veggie Near-Infrared Cirrus Near-Infrared Snow/Ice Near-Infrared Cloud Particle Size Infrared Shortwave Window Infrared Upper-level Water Vapor Infrared Mid-level Water Vapor Infrared Lower-level Water Vapor Infrared Cloud-Top Phase Infrared Ozone Infrared Clean Longwave Window Infrared Longwave Window Infrared Dirty Longwave Window Infrared CO 2 Longwave 56

57 Simulaçõa para o Furacão Katrina ABI Cobertura espectral: GOES m 0.64 m 0.86 m 1.38 m 1.61 m 2.26 m 3.9 m 6.19 m 6.95 m 7.34 m 8.5 m 9.61 m m 11.2 m 12.3 m 13.3 m 57 57

58 Simulaçõa para o Furacão Katrina Cobertura Espectral: GOES

59 True Color Imagery GOES-16: First light in true color (Using Python to Explore GOES-16 Data) is.noaa.gov/goes/go ES16_FullDisk_Band.p hp?band=geocolor &length=24

60 GLM Geostationary Lightning Mapper Solar Rejection Filter Solar Blocking Filter Baffle Support Focal Plane Array Assembly (FPAA) Loop Heat Pipes (FPAA) and Thermal Straps (SEB) Variable Pitch CCD Baffle & Door Narrow Band Filter Lens Housing & Support Structure Metering Tube Sensor Unit Electronics Box (SEB) 60

61 GLM Geostationary Lightning Mapper Example of a lightning flash by a high speed camera (10,000 frames/s): 61

62 Anatomy of a Lighting Discharge: Seen from space (camera on International Space Station)

63 GLM detection methods GLM creates background images every 2 min Detects changes in brightness relative to the background every ~2ms Illuminated pixels are termed GLM Events Filters determine the likehood that events are real lightning Lightning Cluster Filter Algorithm (LCFA) combines events into groups and groups into flashes (definitions on next slide) One single GLM Flash ( ): Events are the illuminated pixels Groups are the square dots being connected by black line Courtesy of Michael Peterson (CICS/UMD)

64 GLM Geostationary Lightning Mapper Lightning is controlled by updraft intensity and ice particle collision

65 GLM Forecaster Demo at NOAA s Hazardous Weather Testbed, May 2018 Avg 1-min Flash Area 2-min Flash Extent Density Avg 2-min Flash Area Avg 1-min Group Area Total 1-min Flash Energy

66 Probability of Severe Convection 66

67 Probability of Severe Convection 67

68 ProbSevere higher probability of severe with lightning predictor Without lightning: 21% Kokomo, IN storm 8 minutes prior to first warning (8/24/16) With lightning: 68%

69 ProbSevere

70 GOES-16 GLM Observes Widespread Thunderstorms Across the Amazon Basin AUG 10,

71 OBRIGADA! 71