ACA Meteorologia Por Satélite. Aula 2 o semestre 7 Estimativa 2016 de Precipitação: Infravermelho e Visível

Transcrição

1 ACA Meteorologia Por Satélite Aula 2 o semestre 7 Estimativa 2016 de Precipitação: Infravermelho e Visível

2 Aula 04 ESTIMATIVA DE PRECIPITAÇÃO: INFRAVERMELHO E VISÍVEL 1. Introdução 2. Técnicas de estimativa de precipitação em IR e VIS: a. Indexação de nuvens b. Bi-espectral c. Ciclo de vida d. Modelo de nuvens 3. Hidroestimador ou Autoestimador Aula 7 Estimativa de Precipitação: Infravermelho e Visível 2

3 1. Introdução A estimativa de precipitação por satélites meteorológicos é muito importante para o monitoramento do sistema climático e a previsão de tempo a longo, médio e curto prazo (nowcasting). Também é muito importante para o monitoramento hidrológico de bacias hidrográficas. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 3

4 1. Introdução Apesar da observação e localização das nuvens via satélite ser uma tarefa relativamente simples (AULA 4), a estimativa de precipitação não é um processo trivial e envolve vários métodos físicos e empíricos a fim de relacionarmos a quantidade de chuva com a radiação medida pelo satélite em diferentes faixas do espectro eletromagnético. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 4

5 1. Introdução Satélite vs. Radar vs. Pluviômetros: Pluviômetros: Vantagem: Medida in-situ Desvantagem: Área de cobertura desprezível (todos pluviômtros no mundo soma somente a área de 2 quadras de basquete!!!) Aula 7 Estimativa de Precipitação: Infravermelho e Visível 5

6 1. Introdução Satélite vs. Radar vs. Pluviômetros: Pluviômetros: Vantagem: Medida in-situ Desvantagem: Área de cobertura desprezível (todos pluviômtros no mundo soma somente a área de 2 quadras de basquete!!!) Radar: Vantagem: Estimativa mais acurada, detalhes verticais Desvantagem: Pequena área de cobertura Aula 7 Estimativa de Precipitação: Infravermelho e Visível 6

7 1. Introdução Satélite vs. Radar vs. Pluviômetros: content/uploads/hurricane-matthew-becoming-category-5- animated.gif Pluviômetros: Vantagem: Medida in-situ Desvantagem: Área de cobertura desprezível (todos pluviômtros no mundo soma somente a área de 2 quadras de basquete!!!) Radar: Vantagem: Estimativa mais acurada, detalhes verticais Desvantagem: Pequena área de cobertura Satélites: Vantagem: Grande área de cobertura Desvantagem: Estimativa menos acurada Aula 7 Estimativa de Precipitação: Infravermelho e Visível 7

8 1. Introdução Satélite vs. Radar vs. Pluviômetros: Pluviômetros: Vantagem: Medida in-situ Desvantagem: Área de cobertura desprezível (todos pluviômtros no mundo soma somente a área de 2 quadras de basquete!!!) Radar: Vantagem: Estimativa mais acurada, detalhes verticais Desvantagem: Pequena área de cobertura Satélites: Vantagem: Grande área de cobertura Desvantagem: Estimativa menos acurada Aula 7 Estimativa de Precipitação: Infravermelho e Visível 8

9 1. Introdução Satélite vs. Radar vs. Pluviômetros: satélite radar pluviômetro Aula 7 Estimativa de Precipitação: Infravermelho e Visível 9

10 1. Introdução Revisão Visível Infravermelho Microondas Janela atmosférica Aula 7 Estimativa de Precipitação: Infravermelho e Visível 10

11 1. Introdução Visível: FONTE: somente radiação solar w nuvem L 0-l L 0-l ABSORÇÃO: gases atmosféricos e superfície da Terra REFLEXÃO: superfície e nuvens w superfície L 0-l w albedo simples Aula 7 Estimativa de Precipitação: Infravermelho e Visível 11

12 1. Introdução Infravermelho (janela atmosférica): FONTE: somente radiação sistema terraatmosfera (nuvens, gases atmosféricos, superfície) 4 ~ nuvem T nuvem ABSORÇÃO: pouco pelos gases atmosféricos e nuvens (água líquida) 4 ~ superfície T superfície REFLEXÃO: desprezível emissividade Aula 7 Estimativa de Precipitação: Infravermelho e Visível 12

13 1. Introdução Microondas: FONTE: dependente do comprimento de onda (superfície, água líquida, gelo, neve) ~ T sup. + (1- )T nuvem EMISSÃO, ABSORÇÃO e/ou ESPALHAMENTO ~ (1- )T nuvem ~ T sup. 37GHz OCEANO 37GHz CONTINENTE 85GHz OCEANO e CONTINENTE Aula 7 Estimativa de Precipitação: Infravermelho e Visível 13

14 1. Introdução A estimativa de precipitação por satélite é dividida em 3 categorias: as que usam dados nas faixas do visível e infravermelho; as que usam dados na faixa de microondas; as que usam dados de radar (não abordado neste curso). Aula 7 Estimativa de Precipitação: Infravermelho e Visível 14

15 1. Introdução Prós e contras: IR VIS Microondas Satélite Geoestacionário 4 x 4 km 15 à 30 minutos Chuva = f(t b ) não é linear Área do topo da nuvem é proporcional a uma área de chuva. Contaminação de cirrus. Sat. Geoestacionário 1 x 1 km 15 à 30 minutos Não existem medidas a Noite Chuva = f(a) não é linear Área do topo da nuvem é proporcional a uma área de chuva. Textura Satélite Polares/Equatorial 3.5x3.5 a 25x25 km 2 vezes ao dia; Chuva = f(t b1,t b2 ) Área de chuva proporcional a área de nuvem Problemas sobre o continente Aula 7 Estimativa de Precipitação: Infravermelho e Visível 15

16 Aula 04 ESTIMATIVA DE PRECIPITAÇÃO: INFRAVERMELHO E VISÍVEL 1. Introdução 2. Técnicas de estimativa de precipitação em IR e VIS: a. Indexação de nuvens b. Bi-espectral c. Ciclo de vida d. Modelo de nuvens 3. Hidroestimador ou Autoestimador Aula 7 Estimativa de Precipitação: Infravermelho e Visível 16

17 2. Técnicas de estimativa de precipitação em IR e VIS A estimativa de precipitação em IR e VIS são agrupadas na mesma categoria por compartilharem algumas características: Radiação VIS e IR não penetram nas nuvens (i.e., somente espalhamento e emissão, respectivamente). A taxa de precipitação (R) é estimada através da radiação (espalhada-vis, emitida-ir) proveniente do topo das nuvens. São estimativas indiretas baseadas em métodos empíricos: a T b da nuvem (ou temperatura equivalente de corpo negro) está relacionada com a quantidade de chuva produzida; os hidrometeoros não são sensoriados/diferenciados diretamente. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 17

18 2. Técnicas de estimativa de precipitação em IR e VIS As primeiras técnicas de estimativa de precipitação usando imagens de satélite datam de Desde então inúmeras técnicas e algoritmos foram desenvolvidos, os quais podem ser divididos em quatro categorias: a. Indexação de Nuvens b. Bi-Espectral c. Ciclo de Vida d. Modelo de Nuvem Cada técnica foi desenvolvida visando a estimativa de precipitação em diferentes escalas temporal (instantânea, diária, mensal) e espacial (alta, baixa). Aula 7 Estimativa de Precipitação: Infravermelho e Visível 18

19 2a. Indexação de nuvens 2. Técnicas de estimativa de precipitação em IR e VIS Esta técnica é a mais antiga (e ainda útil) e simplesmente associa uma taxa de precipitação (R) à cada tipo de nuvem: R r i f i i onde: i = tipo de nuvem (cumulonimbus, stratus, etc.) r i = RR do tipo de nuvem f i = fração do tempo (e/ou área) coberta por este tipo de nuvem A seguir serão descritas algumas dessas técnicas que foram desenvolvidas ao longo dos anos. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 19

20 Barret (1970) foi o pioneiro nesta técnica: 2. Técnicas de estimativa de precipitação em IR e VIS Ele estava interessado em estimar a precipitação mensal sobre a Austrália e suas vizinhanças coma alta resolução espacial. Desenvolveu um método de calcular a R a partir da média mensal de nebulosidade, probabilidade e intensidade da precipitação de cada nuvem. Primeiramente foi calculado um coeficiente básico de precipitação (K r ) de acordo com dados de estações meteorológicas: K r C Mp 1 i 1 Np 2 i (p)... Rp i 6 6 (i) onde C é porcentagem média mensal de cobertura de nuvens, a S é feita com os dados diários de tipos de nuvem da estação, p 1...p 6 são as probabilidades de precipitação de cada tipo de nuvem, i 1...i 6 é a intensidade da precipitação de cada tipo de nuvem, c 1...c 6 e M...R é o número de ocorrências de cada um dos 6 tipos de nuvens. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 20

21 2. Técnicas de estimativa de precipitação em IR e VIS Após o cálculo do coeficiente básico de precipitação (K r ), foi realizado um ajuste de um polinômio de 3º grau entre o K r e a taxa de precipitação diária na estação: R AK 3 r BK 2 r CK r D R K 3 r K 2 r K r Foi o primeiro algoritmo operacional de estimativa de precipitação por satélite implementado na NOAA/NESDIS, chamado BIAS (Bristol/NOAA InterActive Scheme). Bristol também previa a chuva usando dados de vento em um quadrante para prever o deslocamento das nuvens em 24 horas. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 21

22 2. Técnicas de estimativa de precipitação em IR e VIS Follansbee (1973): Estava interessado em estimativas médias de precipitação diária sobre uma área grande (i.e., estados). Utilizava uma única imagem do canal visível diária do período vespertino. Identificava as nuvens visualmente e estimava a fração do estado coberta pelas seguintes nuvens: Cumulonimbus (r = 1 polegada/dia) Nimbostratus (r = 0.25 polegada/dia) Cumulus Congestus (r = 0.02 polegada/dia) e então aplicava a equação R. i r i f i Aula 7 Estimativa de Precipitação: Infravermelho e Visível 22

23 2. Técnicas de estimativa de precipitação em IR e VIS Precipitação diária estimada por satélite no estado de Arkansas nos meses de Julho e Agosto de 1971: Enquanto em Agosto há uma boa relação entre a precipitação estima por satélite e a medida pelo pluviômetro, em Julho essa relação não é boa. Em Julho há muita convecção isolada, e esta técnica não distingue a eficiência de precipitação de cada nuvem ao longo do ano e usa somente uma imagem por dia. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 23

24 2. Técnicas de estimativa de precipitação em IR e VIS Arkin (1979): Encontrou que as precipitações estimadas por radar eram altamente correlacionadas (0.86) com a fração de área coberta por pixels com T b inferior a 235 K (-38 o C). Esta correlação era dependente da área e do tempo sobre a qual a precipitação era estimada. A correlação aumenta em função do tamanho da área selecionada para o cálculo da fração de cobertura de nuvens e do tempo de integração. Resolução Espacial ( o ) 0.1 x x 2.5 Resolução Temporal 15 minutos Dia Correlação < 0.5 (Baixa) > 0.8 (Alta) Aula 7 Estimativa de Precipitação: Infravermelho e Visível 24

25 2. Técnicas de estimativa de precipitação em IR e VIS O método final de estimativa de precipitação foi definido por Arkin e Meisner (1987) e chamado de GOES Precipitation Index (GPI): onde: f = fração da área com T < 235K Dt = tempo (h). [e.g., se a imagem é a cada 3 horas, Dt = 3 h] R = 3 mmh -1 GPI Rf D t [mm] Aula 7 Estimativa de Precipitação: Infravermelho e Visível 25

26 2. Técnicas de estimativa de precipitação em IR e VIS Eles utilizaram uma T b < 235 K e uma taxa de precipitação constante de R=3 mmh -1, que são valores apropriados para estimativa de precipitação tropical em áreas de 2.5 o x2.5 o (determinado estatisticamente). 3 mmh -1 é o coeficiente angular do ajuste da reta Arkin (1979) Aula 7 Estimativa de Precipitação: Infravermelho e Visível 26

27 2. Técnicas de estimativa de precipitação em IR e VIS Dados de precipitação diária, pentadas e mensal de 1986 até hoje: Fatores a favor: É provavelmente o acervo mais longo de estimativa de precipitação. Fatores contra: Método muito simples, baseado em medidas no oceano Atlântico (GATE) aplicável aos trópicos e estação quente dos extra-trópicos. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 27

28 2. Técnicas de estimativa de precipitação em IR e VIS 2b. Bi-espectral Usam informações dos canais do VIS e IR: VIS: Nuvens que são brilhantes nas imagens do visível são mais prováveis de precipitar do que as mais escuras, já que o brilho está relacionado com a espessura da nuvem. IR: Nuvens que são frias tem topos mais altos do que as nuvens quentes. Os métodos bi-espectrais tentam combinar estas regras para identificar as nuvens que tem a melhor probabilidade de chover que são ambas frias e brilhantes. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 28

29 Existem exceções: 2. Técnicas de estimativa de precipitação em IR e VIS nuvens stratus são brilhantes (VIS), mas quentes (IR). Não precipitam muito, e não tão frequente como as nuvens cumulonimbus as nuvens cirrus são frias (IR), mas escuras (VIS). Não produzem mais precipitação que as nuvens quentes. Logo, menor intensidade (ou menor probabilidade ) de precipitação poderia se esperar das nuvens escuras-mas-frias (cirrus) e brilhantes-mas-quentes (stratus). Aula 7 Estimativa de Precipitação: Infravermelho e Visível 29

30 Dittberner e Vonder Haar (1973): 2. Técnicas de estimativa de precipitação em IR e VIS Desenvolveram uma relação para estimar a precipitação durante o período de monção da Índia. Obtiveram sucesso em separar os períodos fracos e intensos de monção. Definiram a precipitação sazonal como: P c E c A P onde: P = porcentagem da precipitação sazonal normal E = média sazonal da radiação infravermelha (canal IR) A = albedo médio sazonal (canal VIS) c 1, c 2 e P 0 são fatores de regressão. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 30

31 Lovejoy e Austin (1979): 2. Técnicas de estimativa de precipitação em IR e VIS Comparam dados do VIS e IR do GOES com dados de radar durante o experimento GATE e nas regiões de Montreal no Canadá. Eles criaram histogramas 2D de temperatura de brilho e albedo para determinar os pixels que choviam e não choviam (dados de radar), e então calcularam a probabilidade de precipitação: Aula 7 Estimativa de Precipitação: Infravermelho e Visível 31

32 counts counts 2. Técnicas de estimativa de precipitação em IR e VIS counts counts Frio e brilhante Maior probabilidade de precipitação Aula 7 Estimativa de Precipitação: Infravermelho e Visível 32

33 2. Técnicas de estimativa de precipitação em IR e VIS Probabilidade = #Pixel_Chuva / [ #Pixel_Chuva + #Pixel_Sem_Chuva] Aula 7 Estimativa de Precipitação: Infravermelho e Visível 33

34 Tsonis e Isaac (1985): 2. Técnicas de estimativa de precipitação em IR e VIS Modificaram a técnica de Lovejoy e Austin (1979) a partir da aplicação de técnicas de agrupamento (clustering). Delimitavam áreas com chuva no radar classificando-as em grupos (clusters). Aula 7 Estimativa de Precipitação: Infravermelho e Visível 34

35 2. Técnicas de estimativa de precipitação em IR e VIS 2c. Ciclo de vida Stout, Martin e Sikdar (1979) estudaram a relação entre a área de uma tempestade isolada e a R medida pelo radar, e encontraram a seguinte relação: onde: A = área da nuvem R a A a 0 1 da/dt = taxa de expansão em área da nuvem a 0 e a 1 = coeficientes empíricos de ajuste R [m 3 s -1 ] = taxa de precipitação volumétrica (volume de água que precipita da nuvem por unidade de tempo) da dt Aula 7 Estimativa de Precipitação: Infravermelho e Visível 35

36 2. Técnicas de estimativa de precipitação em IR e VIS O pico de precipitação ocorre durante a fase de rápido crescimento da nuvem. A precipitação reduz bastante no instante em que a nuvem tem área máxima 26 o C Aula 7 Estimativa de Precipitação: Infravermelho e Visível 36

37 2. Técnicas de estimativa de precipitação em IR e VIS 2d. Modelo de nuvem Esta técnica usa modelos numéricos de nuvem para resolver os detalhes físicos das nuvens, como por exemplo, quantidade de água e gelo, tamanho e concentração de hidrometeoros. Através desses detalhes podemos calcular a T b e albedo das nuvens e então associá-las a uma R gerada pela nuvem no modelo. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 37

38 Adler e Negri (1988): 2. Técnicas de estimativa de precipitação em IR e VIS Esta técnica utiliza resultados de um modelo de física de nuvens de 1D de Adler e Mack (1984). Adler e Mack (1984) analisaram as mudanças da temperatura do topo da nuvem com taxa de precipitação para nuvens observadas na Florida e Oklahoma. Esta técnica é denominada convective-stratiform technique (CST) por determinar áreas convectivas e estratiformes para diferenciar as taxas de precipitação associadas. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 38

39 Adler e Negri (1988): 2. Técnicas de estimativa de precipitação em IR e VIS A técnica CST consiste em 4 etapas: i. Utiliza-se uma radiossondagem representativa do local em um modelo de física de nuvem 1D. Calcula-se: relação T b -RR relação T b -área precipitante Aula 7 Estimativa de Precipitação: Infravermelho e Visível 39

40 2. Técnicas de estimativa de precipitação em IR e VIS ii. Define as regiões da nuvem através da imagem IR: As a nuvens candidatas a ter precipitação delineando a nuvem pela área onde T b < 258 K ( 15 o C); Para cada nuvem delineada, encontra-se a T b mínima. A partir desta T b mínima (no ponto i,j) constrói-se uma máscara que removerá os cirrus (gradiente entre 6 pixels); A partir da relação entre S e T b mínima, classifica-se em Convectivo (C) ou Estrtatiforme (S) (figura ao lado). Aula 7 Estimativa de Precipitação: Infravermelho e Visível 40

41 2. Técnicas de estimativa de precipitação em IR e VIS iii. No centro do pixel mais frio, assume-se que a área convectiva Ar (relação entre a Tb mínima e área da corrente ascendente calculada pelo modelo 1D): iv. Finalmente, calcula-se a temperatura (T S ) que delinearia a bigorna com precipitação estratiforme, e assume R estratiforme = 2mm/h: T mode = Temperatura modal ao redor de 80km de cada T min. W i = número de pixels usados para calcular T mode Aula 7 Estimativa de Precipitação: Infravermelho e Visível 41

42 Comparando GPI, CST e radar: 2. Técnicas de estimativa de precipitação em IR e VIS Aula 7 Estimativa de Precipitação: Infravermelho e Visível 42

43 Aula 04 ESTIMATIVA DE PRECIPITAÇÃO: INFRAVERMELHO E VISÍVEL 1. Introdução 2. Técnicas de estimativa de precipitação em IR e VIS: a. Indexação de nuvens b. Bi-espectral c. Ciclo de vida d. Modelo de nuvens 3. Hidroestimador ou Autoestimador Aula 7 Estimativa de Precipitação: Infravermelho e Visível 43

44 3. Hidroestimador ou Autoestimador É uma das técnicas de estimativa de precipitação por satélite atualmente operacionais da NOAA/NESDIS (National Oceanic and Atmospheric Administration / National Environmental Satellite Data and Information Service). Utiliza dados de imagem de satélite no infravermelho e a saída de parâmetros meteorológicos do modelo de previsão de tempo ETA (Vicente et al., 1998). O método utiliza: T b do canal 4 (10.7 mm) dos satélites GOES, e as converte a partir de uma relação de potência para taxa de precipitação de estimada por radar. Além disso, a taxa de precipitação é ajustada para diferentes regimes de umidade e crescimento das células convectivas. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 44

45 3. Hidroestimador ou Autoestimador Ilustração do sinal de IR para diferentes taxas de precipitação: T b =200 K T b =212 K T b =230 K T b =224 K T (K) Aula 7 Estimativa de Precipitação: Infravermelho e Visível 45

46 3. Hidroestimador ou Autoestimador Exceções à essa regra ( T R): Cirrus Tb=205 K Cumulonimbus T b =200 K Nimbostratus T b =240 K T (K) 290 Aula 7 Estimativa de Precipitação: Infravermelho e Visível 46

47 Metodologia do Hidroestimador: 3. Hidroestimador ou Autoestimador 1) Calcula a taxa de precipitação através de um regressão de potência; 2) Utiliza os índices de umidade relativa e água precipitável do modelo ETA do National Centers for Environmental Prediction (NCEP); 3) Separa pixels que estão chovendo ou não (crescimento e gradiente de T b ); 4) Cálculo final: aplica Correções nas Taxas de Precipitação R regressão de potência Impacto da umidade relativa Impacto do crescimento/decaimento e impacto do gradiente espacial Aula 7 Estimativa de Precipitação: Infravermelho e Visível 47

48 3. Hidroestimador ou Autoestimador 1) Calcula a taxa de precipitação através de um regressão de potência: a) As taxas de precipitação são estimadas pelo radar e ajustadas com pluviômetros (relação Z-R do radar) e são colocadas sobre a mesma projeção do satélite. Foram realizadas para a região central dos US, Great Plains e Golfo do México. b) Determina-se a distribuição de frequências para T b e R, uma vez que as duas variáveis não são totalmente correlacionadas. c) A partir desta distribuição correlaciona-se a distribuição de probabilidades (PMM do inglês probability matching method) e se ajusta uma curva. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 48

49 3. Hidroestimador ou Autoestimador 1a) Taxas de precipitação sobre a mesma projeção do satélite: 1 pixel do satélite vários pixels do radar Aula 7 Estimativa de Precipitação: Infravermelho e Visível 49 valor pontual do pluviômetro

50 3. Hidroestimador ou Autoestimador 1a) Taxas de precipitação sobre a mesma projeção do satélite: Se Z=176,5 R 1,29 R = 0,018 Z 0,775 dbz R (mmh -1 ) ,64 1,57 0,92 3, ,31 11,2 5,5 4,6 13, ,8 9, ,4 3,2 T b = 218 K ( 54 o C) R=12,15 mmh -1 Aula 7 Estimativa de Precipitação: Infravermelho e Visível 50

51 3. Hidroestimador ou Autoestimador 1b) Determina-se a distribuição de frequências para T b e R, uma vez que as duas variáveis não são totalmente correlacionadas: Pixel 1 do satélite Pixel n do satélite e R=5 mmh -1 T R=12,15 mmh -1 b =218 K e T b =207 K Aula 7 Estimativa de Precipitação: Infravermelho e Visível 51

52 3. Hidroestimador ou Autoestimador 1c) A partir desta distribuição correlaciona-se a distribuição de probabilidades (PMM do inglês probability matching method) e se ajusta uma curva: Distribuição de probabilidade (PMM probability matching method) Ajuste da curva R = 1,1183x10 11 exp(-3,6382x10-2 T 1,2 ) Aula 7 Estimativa de Precipitação: Infravermelho e Visível 52

53 3. Hidroestimador ou Autoestimador 2) Utiliza os índices de umidade relativa e água precipitável do modelo ETA do National Centers for Environmental Prediction (NCEP): A aplicação de uma simples curva de regressão entre temperatura e precipitação pode gerar erros, uma vez que a relação entre a temperatura de topo da nuvem e precipitação na superfície varia com o tipo de chuva (tempestades, pancadas de chuva, linhas de instabilidade, frentes, nimbus, cumulus congestus e etc.), estação do ano, localidade, condições diversas nas camadas mais baixas, e etc; Prevendo isso, Scofield (1987) propôs uma correção na precipitação estimada a partir da umidade relativa. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 53

54 3. Hidroestimador ou Autoestimador 2) Utiliza os índices de umidade relativa e água precipitável do modelo ETA do National Centers for Environmental Prediction (NCEP): O fator de correção foi definido como PWRH: é o produto da água precipitável (PW, em polegadas) (definido pela camada a partir da superfície até a altura de 500 mb) e a umidade relativa (RH, e.g., 50% é 0.5) média entre a superfície e o nível de 500 mb: PWRH O fator PWRH é escalado para variar de 0 a 2: PWRH < 1 ambiente seco (base das tempestades é bem alta); PWRH > 1 ambiente úmido PW R H 500 sup mb erfície Este fator diminuirá a precipitação para ambientes secos e aumentará para ambientes úmidos. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 54

55 3. Hidroestimador ou Autoestimador 2) Utiliza os índices de umidade relativa e água precipitável do modelo ETA do National Centers for Environmental Prediction (NCEP): Entretanto, para temperaturas inferiores a 210 K, havia uma mudança muito rápida da taxa de precipitação (e.g., de 220K a210k 7 a 25 mmh -1 ). Logo, foram criadas 2 condições: Se T < 210 K e PWRH > 1 a umidade do ambiente é bem alta, e precipitação não deverá ser multiplicada por PWRH; ou seja, Fator(umidade) = 1 Se T >= 210 K ou PWRH <= 1 a umidade do ambiente baixa, e precipitação deverá ser multiplicada por PWRH; ou seja, Fator(umidade) = PWRH Se T < 200 K a taxa de precipitação deverá ser limitada a 72 mm/h (isso se deve ao fato dos dados de radar serem representativos de tempestades severas e contaminados com presença de granizo, e isso implica em um excessivo erro para precipitações que não possuem esta característica mesmo com temperaturas baixas) Aula 7 Estimativa de Precipitação: Infravermelho e Visível 55

56 3. Hidroestimador ou Autoestimador 2) Utiliza os índices de umidade relativa e água precipitável do modelo ETA do National Centers for Environmental Prediction (NCEP): Impacto da Umidade Relativa (RH): ambientes mais úmidos RH Aula 7 Estimativa de Precipitação: Infravermelho e Visível 56

57 3. Hidroestimador ou Autoestimador 3) Separa pixels que estão chovendo ou não, Fator(chuva/não chuva): Nesta etapa o algoritmo do Hidroestimador tenta identificar nuvens cirrus, que são frias mas não produzem precipitação. Se Dt imagens <= 0.5 hora: usa a) crescimento da área Se Dt imagens > 0.5 hora: b) gradiente de T. Aula 7 Estimativa de Precipitação: Infravermelho e Visível 57

58 3a) Fator de crescimento (se Dt imagens <= 0.5 hora ): 3. Hidroestimador ou Autoestimador Baseia-se nos trabalhos de Woodley et al. (1972) e Scofield (1987), os quais observaram que as nuvens em processo de decaimento e nuvens com topos frios mas que tornam-se quentes produzem muito pouca precipitação ou nenhuma. Compara temperaturas mínimimas em duas imagens consecutivas (t1 e t2): Se T min-t2 <= T min-t1 : Fator(crescimento) = 1 com chuva (os pixels mais frios (ou iguais) da primeira imagem são mais frios na segunda, o sistema convectivo está se intensificando (ou estável) e os pixels da primeira imagem são associados com taxas de precipitação intensa) Se não, Fator(crescimento) = 0 sem chuva (os pixels mais frios da primeira imagem são mais quentes na segunda, o sistema convectivo esta enfraquecendo e os movimentos verticais estão cessando) Aula 7 Estimativa de Precipitação: Infravermelho e Visível 58

59 3b) Fator gradiente de T (se Dt imagens > 0.5 hora ): 3. Hidroestimador ou Autoestimador A ideia é buscar os pixels que estão acima da média da nuvem, e assim identificar os pixels associados com convecção ativa. Para isso, tenta-se encontrar os topos de nuvem mais altos (frios) e mais baixos (quentes) centrados em áreas de 3x3 pixels, Po=(xo,yo). Definindo a temperatura do topo da nuvem como T = T(x,y), podemos calcular o Máximo e Mínimo a partir da primeira e da segunda derivada de T no espaço: T b < T b Rain T b T b No Rain T b < T b Rain T b T b No Rain T (K) 290 Aula 7 Estimativa de Precipitação: Infravermelho e Visível 59

60 3. Hidroestimador ou Autoestimador 3b) Fator de gradiente de T (se Dt imagens > 0.5 hora ): Definindo a temperatura do topo da nuvem como T = T(x,y), podemos calcular o Máximo e Mínimo a partir da primeira e da segunda derivada de T no 2 espaço: T '' x / x xo dx 2 T / x xo ' T '' y / y yo dy 2 T 2 / y yo ' T '' x / x xo, y / y yo dxdy 2 T / x xo ', / y yo ' H ( T '' x / x xo )( T '' y / y yo ) - ( T '' x / x xo, / y y 0 ) H > 0 e > 0 máximo; dx H > 0 e < 0 mínimo; dx H < 0 não máximo e não mínimo; H = 0 não se sabe 2 2 T / x xo ' 2 2 T / x xo ' Aula 7 Estimativa de Precipitação: Infravermelho e Visível 60

61 3. Hidroestimador ou Autoestimador 3b) Fator de gradiente de T (se Dt imagens > 0.5 hora ): Se Po é máximo, indica que a temperatura Po é mais fria que os vizinhos: Fator(gradiente) = 1 Se Po é mínimo, indica que a nuvem é mais baixa e quente que os vizinhos: Fator(gradiente) = 0 Se Po não é nem mínimo nem máximo, indica que Po está na mesma altura que os demais: Fator(gradiente) = 0 Se Po não pode ser definido, o processo é recalculado a partir da média de 5x5 pixels Aula 7 Estimativa de Precipitação: Infravermelho e Visível 61

62 3. Hidroestimador ou Autoestimador 4) Cálculo final: Se Dt imagens <= 0.5 hora : R = R(ajuste reta) X Fator(umdidade) X Fator(crescimento) Se Dt imagens > 0.5 hora : R = R(ajuste reta) X Fator(umdidade) X Fator(gradiente) Se T < 200 K a taxa de precipitação deverá ser limitada a 72 mm/h (isso se deve ao fato dos dados de radar serem representativos de tempestades severas e contaminados com presença de granizo, e isso implica em um excessivo erro para precipitações que não possuem esta característica mesmo com temperaturas baixas) Aula 7 Estimativa de Precipitação: Infravermelho e Visível 62

63 3. Hidroestimador ou Autoestimador Fator de correção de umidade: R=a exp(b T bc ) PWRH PW R H 500 sup mb erfície Não (ambiente seco) T b <210K e PWRH >1? Sim (úmido) PWRH = 1 Fator de correção de crescimecnto (FC) Se T b-mín (t 2 ) <= T b-mín (t 1 ) FC =1 Se T b-mín (t 2 ) > T b-mín (t 1 ) FC =0 Dt imagens <= 0.5 hora? Sim Não Fator de correção gradiente (FG) Usando 3x3 pixels calcular: 2 T Se H>0 e < 0 FG = 1 (região de máximo) x 2 T H 2 x 2 Se H >0 e T < 0 FG = 0 (região de mínimo) x 2 Se H<0 FG=0 (nem mínimo, nem máximo) y Se H = 0 refazer usando 5x5 pixels 2 2 T 2 2 T - x y R =R(Tb) x PWRH x FC R =R(Tb) x PWRH x FG Aula 7 Estimativa de Precipitação: Infravermelho e Visível 63

64 3. Hidroestimador ou Autoestimador Exemplo de estimativa de precipitação com Hidroestimador: Radar IR IR+PWRH IR+PWRH +Grad IR+PWRH +Grad+Cres Aula 7 Estimativa de Precipitação: Infravermelho e Visível 64

65 REFERÊNCIAS KIDDER, S.Q. e T.H. VONDER HAAR (1995): Satellite Meteorology: An Introduction. Academic Press, 466p. Adler,R.F. and R.A. Mack (1984): Thunderstorm cloud height-rainfall rate relations for use with satellite rainfall estimation techniques, J. Climate Appl. Meteor., 23, Adler, R.F. and A.J. Negri (1988), A satellite infrared technique to estimate tropical convective and stratiform rainfall, J. Appl. Meteor., 27, Arkin, P.A. (1979): The relationship between fractional coverage of high cloud and rainfall accumulations during GATE over the B-scale array, Mon. Wea. Ver., 107, Arkin, P.A. and B. Meisner (1987). The relationship between large-scale convective rainfall and cold cloud over the Western Hemisphere during Mon. Wea. Rev., 115, Barret, E.C. (1970): The estimation of monthly rainfall from satellite data. Mon. Wea. Ver., 98, Dittberner e Vonder Haar (1973): Large scale precipitation estimates using satellite data; application to the Indian Monsoon, Arch. Met. Geoph. Biokl. Ser.,B, 21, Follansbee, W.A. (1973): Estimation of average daily rainfall from satellite cloud photographs, NOAA Tech. Memo. NESS 44, Washington, DC, 39 pp. Lovejoy e Austin (1979): The delineation of rain areas from visible and IR satellite data for GATE and midlatitudes, Atmosphere-Ocean, 17, Tsonis e Isaac (1985): On a new approach for instantaneous rain area delineation in the midlatitudes using GOES data. J. Climate Appl. Meteor., 24, Stout, Martin and Sikdar (1979): Estimating GATE rainfall with geosynchronous satellite images, Mon. Wea. Ver., 107, Vicente, G.A, R.A. Scofield, W.P. Menzel, 1998: The Operation GOES Infrared Rainfall Estimation Technique, Bull. Amer. Meteor. Soc., vol. 79, 9, Aula 7 Estimativa de Precipitação: Infravermelho e Visível 65