O AAPP (ATOVS AND AVHRR PROCESSING PACKAGE) E O ICI (IMAGERY COUPLED INVERSION)

Transcrição

1 O AAPP (ATOVS AND AVHRR PROCESSING PACKAGE) E O ICI (IMAGERY COUPLED INVERSION) Jojhy Sakuragi 1 e Lydie Lavanant 2 1 Laboratório de Meteorologia da Universidade do Vale do Paraíba Rua Paraibuna, 75 São José dos Campos, SP Brasil CEP Centre de Météorologie Spatiale CMS/Meteo-France Lannion França (jojhy@univap.br; Lydie.Lavanant@meteo.fr) ABSTRACT The objective of this paper is to present the AAPP, developed by the EUMETSAT, and ICI, by the CMS/Meteo- France. The first module of AAPP considers the de-commutation/de-multiplexing, the calculation of calibration coefficients and the navigation. The second module includes the application of the calibration and the identification of contamination effects to the ATOVS data. The use of AVHRR data is include in this process. The output files will be used by inversions systems such as ICI. The purpose of the ICI is to reconstitute the vertical profile of temperature and moisture from ATOVS radiance by inverting the radiative transfer equation. The mean and standard deviation of the inversions compared with analysis are showed for clear, partly-cloudy and cloudy situation over sea and land for TOVS and ATOVS data. 1. INTRODUÇÃO A freqüência de passagem dos satélites da série TIROS-N/NOAA permite a realização de sondagens verticais da atmosfera com alta resolução espacial à cada seis horas. As sondagens são realizadas pelo TOVS (TIROS-N Vertical Operational Sounder) e constituem-se em valiosa fonte de informações de ar superior sobre regiões carentes de dados convencionais, especialmente de radiossondagens, por exemplo, América do Sul, desertos, regiões polares e oceanos (Smith et al., 1979, Sakuragi, 1992). A principal finalidade dos dados TOVS é suprir dados para os modelos de previsão numérica de tempo (PNT) (Smith et al., 1979, Lorenc, 1989, Sakuragi e Ferreira, 1985). Entretanto, existe um grande número de outras aplicações nas quais os produtos TOVS têm sido utilizados, tais como: análise sinótica e sub-sinótica da temperatura de superfície, estabilidade atmosférica, perfis de temperatura e umidade e monitoramento de tempo severo. Muitas delas são pertinentes à previsão imediata ou de muito curto prazo (Sakuragi, 1992, Sakuragi e Ferreira, 1995). Estudos realizados indicam que nas regiões onde há uma boa rede de informações de ar superior, como no Hemisfério Norte, a introdução dos dados de sondagem por satélite pioram a performance do modelos de PNT (Flobert et al., 1991; Kelly et al., 1991). A contribuição desses dados é positiva apenas para o Hemisfério Sul devido a escassez de dados da rede convencional. A contribuição negativa se deve basicamente a baixa resolução vertical dos sondadores, resultado de uma estagnação do desenvolvimento instrumental na década de 80 (Sakuragi e Ferreira, 1995). Entretanto, a sondagem por satélite permanece como uma ferramenta viável para o progresso da PNT, pois é a única forma de se obter sondagens verticais com alta resolução espacial em caráter operacional global (Smith, 1991, Sakuragi e Ferreira, 1995). Nesse contexto, foi concebido o ATOVS (Advanced TOVS) nas novas plataformas espaciais da série NOAA-L,M,N (NOAA-15 após o lançamento). O ATOVS é composto pela mesma versão do sensor infravermelho (HIRS - High-resolution Infrared Radiation Sounder) mas com os novos sensores em microondas, o AMSU-A e B (Advanced Microwave Sounding Unit). A comunidade científica também desenvolveu novas metodologias de codificação de dados, como o AAPP (ATOVS and AVHRR Processing Package), e inversão em perfis verticais de temperatura e umidade a partir das radiâncias medidas pelo ATOVS, tais como: ICI (Imagery Couple Inversion), AITPP (Advanced International TOVS Processing Package) etc. Portanto, o objetivo desse artigo é apresentar o ICI que foi desenvolvido pelo CMS (Centre de Météorologie Saptiale) do Meteo-France e o AAPP desenvolvido pela EUMETSAT. Estas metodologias de inferências serão aplicadas no CPTEC/INPE (Centro de Previsão de Tempo e Estudos Climáticos do Instituto Nacional de Pesquisas Espaciais) e os produtos gerados deverão estar disponíveis para a comunidade científica. 3807

2 2. O AAPP (ATOVS AND AVHRR PROCESSING PACKAGE) O AAPP, desenvolvido pela EUMETSAT, realiza um pré-processamento dos dados brutos de radiância (Level 0) fazendo a decomutação, navegação, calibração e máscara de nuvens (cloud mask), resultando em um arquivo de formato denominado de Level 1d, que serão utilizados pelos software de inferência de perfis verticais de temperatura e umidade. O fluxograma apresentado na Figura 1 indica os principais módulos de processamento do AAPP, desde a aquisição dos dados brutos (Level 0) até a geração do arquivo no Level 1d PROCESSAMENTO DO AAPP Figura 1 Fluxograma de processamento do AAPP. Os dados HRPT (High Resolution Picture Transmission) recebidos por uma estação receptora de órbita polar são denominados de Level 0. O AAPP processa os dados HRPT que são compostos pelos dados ATOVS (HIRS, AMSU-A e B) assim como os dados do TOVS (HIRS, MSU-Microwave Sounding Unit). Como pode ser observado na Figura 1, os dados são tratados por vários programas e as principais funções serão descritas a seguir. 3808

3 HRPTDC (ATOVSDC E AVHRRDC) O programa HRPTDC faz a decomutação dos dados, ou seja, separa os dados HIRS, AMSU ou MSU e o AVHRR (Advanced Very High Resolution Radiometer) dos dados HRPT. A partir desse ponto, os dados serão tratados separadamente. Os arquivos após a decomutação são denominados de Level 1a ATOVSCL E AVHRRCL A calibração significa a extração dos dados de calibração de bordo (count ou dados em formato binários de corpo negro, espaço etc.) extraídos a partir dos dados no Level 1a. Esses counts são transformados em coeficientes de calibração que, por sua vez, serão utlizados para transformar os dados de observação (count) em parâmetros físicos (temperaturas de brilho ou radiâncias) pelo programa ATOVSIN. Por outro lado, a navegação utiliza os parâmetros orbitais para estimar a passagem do satélite onde é calculada a posição correta de cada pixel de varredura do instrumento em termos de coordenadas geográficas. Todas os cálculos acima são realizados, onde são gerados os arquivos no Level 1b ATOVSIN O programa ATOVSIN lê os arquivos no Level 1b e transforma os counts mais os coeficientes calculados em temperatura de brilho (ou radiâncias) para os canais do HIRS e AMSU-A e B ou MSU, gerando os arquivos denominados de Level 1c ATOVSPP O pré-processamento realiza a identificação de contaminação dos dados ATOVS (p. ex.: gotas grandes de chuvas, cristais de gelo nas nuvens etc.) que podem influenciar na estimativa do perfil de temperatura e umidade pelo modelos de inversão. Outra função do pré-processamento é uniformizar os diferentes campos de visada dos instrumentos em um tamanho padrão. Na versão atual do AAPP, os campos de visadas do MSU, AMSU-A e B são interpolados para os campos de visadas do HIRS (aproximadamente 17 km de raio no nadir). O ATOVSPP realiza esses cálculos geométricos e gera o arquivo no Level 1d AVHRRPP O pré-processamento do AVHRR realiza a parte de calibração dos dados para serem utilizado pelos modelos de inferência de temperatura de superfície ou do mar, índice de vegetação, identificação de nuvens, etc AVHRR2HIRS Uma informação importante para os modelos de inversão é a identificação dos pixels contaminados por nuvens, pois as mesmas dificultam a inferência correta dos perfis de temperatura e umidade (Sakuragi, 1992). Através de cálculos geométricos, o AVHRR2HIRS contabiliza o número de pixels do AVHRR com nuvens dentro de um pixel do HIRS, indicando a porcentagem de contaminação. Essa estimativa ou máscara de nuvem (cloud mask) é introduzida no arquivo Level 1d gerado pelo ATOVSPP que posteriormente será utilizada pelos modelos de inversão (vide Figura 1). 3. O ICI (IMAGERY COUPLED INVERSION) O ICI (CMS/Meteo-France) foi desenvolvido para inferir perfis verticais de temperatura e umidade a partir dos sondadores espaciais, especificamente, o ATOVS, embora possa processar também os dados TOVS (NOAA- 14). Este sistema de inversão é fundamentado no modelo de transferência radiativa (RTTOVS) e no modelo de inversão 1-DVAR (Eyre, 1989; Eyre, 1991; Brunel et al., 1996; Lavanant, 1999; Lavanant and Brunel, 1999). O ICI é operacional e fornece informações para nowcasting, monitoramento de modelos e também para assimilação em modelos numéricos. 3809

4 3.1. RTTOVS Os softwares de inversão dependem de um modelo de transferência radiativa que simulem os valores de radiâncias observadas pelo sondador de perfis atmosféricos, usando a equação de transferência radiativa ou EITR (Sakuragi, 1992). O modelo de transferência radiativa é aplicado em várias etapas dentro do sistema de processamento ICI, isto é, as temperaturas de brilho calculadas são sistematicamente comparadas com os dados observados. Neste sentido, o modelo ajustará estatisticamente as observações através da média dos coeficiente de acordo com o ângulo de visada e o tipo de massa encontrada, assim como, um controle da performance de cada canal do sondador. Portanto, o software deve ser rápido e o mais preciso possível nas simulações. O RTTOVS (fast Radiative Transfer model for ATOVS) foi desenvolvido pelo European Center (Lavanant, 1999) para calcular as radiâncias observadas a partir dos perfis verticais de temperatura do ICI. Este software é rápido devido a sua concepção, onde foram utilizadas técnicas matemáticas e computacionais para o cálculo das derivadas parciais da funções-peso (Lavanant, 1999) CANAIS DOS SONDADORES Os números de canais no infravermelho e microondas dos sondadores TOVS/ATOVS correspondem a 23 e 39, respectivamente. Entretanto, por várias razões, nem todos os canais são utilizados. Uma estatística dos erros entre a temperatura de brilho calculada menos a observada foi realizada para o período de 22 a 31 de janeiro de 2000 e indicam a performance dos canais do ATOVS. Na Figura 2 é apresentando o desvio padrão e o bias (NOAA-15), onde a cor preta incida os canais utilizado pelo sistema de inversão do ICI (desvio padrão menor que 2, exceto para o canal 32). Os canais de 1 a 19 são os canais do HIRS, do 21 a 35 os canais do AMSU-A e de 36 a 40 os canais do AMSU-B. Figura 2 Estatística de erro da temperatura de brilho calculada menos a observada. Os canais apresentados em cor cinza não são utilizados por apresentarem grandes erros estatísticos. Algumas razões podem ser: erro de cálculo do modelo de transferência, problemas de extrapolação principalmente na estratosfera, contaminação da radiâncias por vapor d água, problemas de emissividade, etc ESTIMATIVA INICIAL O perfil inicial é extraído de um arquivo contendo vários perfis previamente selecionados. Este arquivo denominado de biblioteca pode ser gerado a partir de dados de análises dos modelos ou, na ausência dos mesmos, pode-se utilizar um arquivo climatológico como TIGR-2 (Lavanant, 1999). 3810

5 O perfil inicial é selecionado da seguinte forma: é calculado a distância média quadrática entre a temperatura de brilho estimado através dos perfis do arquivo biblioteca e a temperatura de brilho medido pelo sondador. São selecionados no máximo 10 perfis do arquivo biblioteca. Assim, o perfil inicial (temperatura, umidade, parâmetros atmosféricos de superfície, ozônio) é a média dos 10 perfis selecionados (Lavanant, 1999) MODELO DE INVERSÃO (1DVAR) Após a seleção do perfil inicial, a inversão consiste da perturbação deste perfil sobre certos limites (sem se afastar muito) tentando minimizar o erro entre a temperatura de brilho calculada a partir do perfil estimado e a temperatura de brilho observada. Esta abordagem consiste em encontrar o perfil atmosférico mais provável, Ta, levando-se em conta o perfil observado, Tb mes, isto é, maximizando a probabilidade de Ta para Tb mes (os caracteres em negrito indicam vetores). A equação final é dado por: Ta n+1 = Ta n + ( Ta g - Ta n ) + W n { ( Tb mês Fw ( Ta n ) - K n ( Ta g - Ta n ) } (1) t W n = G K n { K n G K t n + ( O+F ) } -1, onde: Ta g : perfil inicial; O : matriz de covariância dos erros das observações (sondador); F : matriz de covariância dos erros do modelo de transferência radiativa; G : matriz de covariância dos erros do perfil inicial; Fw(Ta) : temperatura de brilho calculado pelo RTTOVS para os elementos de Ta; K : derivadas parciais de Fw(Ta) para o perfil de Ta; ( ) -1 : matriz inversa; ( ) t : matriz transposta; ( ) n : n iterações. A dedução matemática completa da equação de inversão pode ser encontrada em Eyre (1989), Eyre (1991) e Lavanant (1999). O número de iterações para convergência termina quando a diferença (Ta n+1 Ta n ) é menor que um valor estipulado e também quando (Tb mes - Fw(Ta n+1 )) é da ordem de grandeza dos erros de medidas dos canais. Este tipo de algoritmo é utilizado em modelos de previsão numérica de tempo como o ARPÈGE e o IFS (European Center) (Lavanant, 1999) ESQUEMA COMPUTACIONAL DO SISTEMA DE INVERSÃO ICI O esquema de processamento do sistema de inversão do ICI pode ser melhor entendido através de um fluxograma, como apresentado na Figura 3. O sistema de inversão é realizado através de vários módulos correspondentes aos principais programas e scripts. Estes módulos são processados em diferentes períodos (horas) do dia. Os principais módulos são: ICI: é ativado em tempo real após o processamento de uma nova passagem do satélite pelo AAPP, lê o arquivo no Level 1d e arquivos com parâmetros de superfície previstos pelo modelo de previsão numérica de tempo, calcula radiâncias limpas (sem contaminação por nuvens) se necessário, inicializa as inversões com os perfis atmosféricos mais próximos àquela situação atmosférica e gera as saídas em modo ASCII, GRIB e SATEM. BASE_METEO: este módulo cria a biblioteca meteorológica contendo radiossondagens, análises e previsões de temperatura e umidade sobre a superfície e em altitude. Essa biblioteca tem a função de prover dados meteorológicos para compor a estimativa inicial que será utilizada pelo ICI na inversão. Este módulo é ativado quatro vezes ao dia independentemente dos outros módulos. BASE_PROFIL: este módulo cria uma biblioteca contendo perfis atmosféricos de temperatura e umidade utilizados na inicialização da inversão, geograficamente próximos aos inferidos pelo ICI. Os perfis dessa biblioteca deve ser representativo da situação meteorológica encontrada. Se não for possível a construção desse conjunto de dados, é necessário consultar um arquivo de climatologia. Cada perfil é associado com radiâncias sintéticas em cada camada ( up e down ) assim como o total da transmitância superfície-satélite. Este módulo é ativado uma vez ao dia. MONITORING: este módulo tem duas funções: primeiro, reiniciar o modelo de inversão para garantir uma qualidade durável e estável do perfis inferidos ajustando-se os coeficientes estatísticos do software sobre uma base regular para um ajuste fino ( tuning ); e segundo, prover uma validação dos dados inferidos. Essa validação é feita comparando-se os dados de análise e/ou radiossondagens com os mais próximos perfis 3811

6 estimados, em espaço e tempo. Este módulo é ativado quatro vezes ao dia após a aquisição dos dados meteorológicos observados. Informações mais detalhadas e a descrição científica de cada módulo podem ser encontrado em Lavanant (1999), Brunel et al. (1995) e a arquitetura do software ICI em Lavanant e Brunel (1999). Figura 3 Fluxograma de processamento dos principais módulos do ICI (adaptado de Lavanant, 1999). 4. PERFORMANCE DO ICI Nesse trabalho, foram utilizados os dados de satélite do NOAA-14 (TOVS) e NOAA-15 (ATOVS) do CMS (Lannion-França) sobre a Europa Ocidental, análise e previsão de superfície do modelo ARPÉGE, etc. Para iniciar o processamento do ICI, são necessários 10 dias de análises anteriores a data, para os módulos do ICI comporem a biblioteca de perfis iniciais, as matrizes de erros desses perfis e as transmitâncias totais calculada pelo RTTOVS. O ICI necessita de 10 dias de processamento para calcular as estatísticas de erros e compor as matrizes de covariâncias. A partir do 20º dia, as inversões dos perfis verticais são realizados pelo ICI. O processamento iniciou-se no dia 27 de dezembro de 1999 e os arquivos estatísticos são sempre atualizados levando-se em conta os últimos 20 dias de processamento do ICI. Na Figura 4 é apresentado o bias e o desvio padrão dos perfis inferidos pelo ICI para o NOAA-14 (TOVS) sobre o continente (Figura 4a) e sobre o oceano (Figura 4b), no período de 21 a 30 de janeiro de Os maiores desvios são encontrados próximo a superfície continental (2 a 3 graus) devido à inversão térmica e a rugosidade da superfície e também na estratosfera (maior que 4 graus), por problemas de extrapolação do perfil em altos níveis. Os erros também são maiores para situações com nuvens ou parcialmente nublado (de 2 a 2,5 graus) em relação a céu claro (menor que 2 graus). Neste caso, o MSU possui apenas 4 canais e com baixa resolução espacial, dificultando o processo de inferência (Sakuragi, 1992). 3812

7 Figura 4 Bias e desvio padrão dos perfis inferidos pelo ICI para o TOVS (NOAA-14). A estatística com o ATOVS (NOAA-15) é apresentada na Figura 5 para o mesmo período. Os erros são menores do que os encontrados no TOVS, no entanto, os problemas são idênticos. Note-se que a situação de nublado e parcialmente nublado são abordados da mesma forma, ou seja, nesses casos são utilizados os canais do AMSU-A e B para a inferência dos perfis verticais de temperatura ao invés de se tentar limpar a radiância do HIRS contaminada por nuvem. 3813

8 Figura 5 Bias e desvio padrão dos perfis inferidos pelo ICI para o ATOVS (NOAA-15). Um dos grande problemas da sondagem remota por satélite consiste em inferir o perfil vertical da umidade. Com o lançamento do NOAA-15 com o moderno sondador AMSU-B, esperava-se dar um grande passo na estimativa da umidade. Entretanto, por um erro de arquitetura no posicionamento das antenas do NOAA-15, os canais do AMSU-B apresentam interferências da antena de emissão dos sinais para as estações de superfície (Lavanant, 1999). As primeiras tentativas de remoção dos ruídos via software não apresentaram resultados 3814

9 satisfatórios se comparados ao MSU. A solução desse problema ainda está em fase de estudo e deverá ser corrigido em breve. É importante ressaltar que o sistema de inversão do ICI é bastante superior aos outros sistemas existente (como o ITPP), principalmente em condições de céu claro e mesmo em condições de nebulosidade, denotando uma abordagem científica moderna e eficiente no tratamento de problemas de inversão, estes discutidos por vários autores (Eyre, 1989; Smith, 1991; Flobert et al., 1991; Sakuragi e Ferreira, 1995). 5. CONCLUSÃO E PERSPECTIVAS Neste trabalho foi apresentado o AAPP, desenvolvido pela EUMETSAT, para realizar a decomutação, a calibração, a navegação, a interpolação geométrica dos campos de visada dos diferentes sensores e a máscara de nuvens para os dados TOVS e ATOVS. Os arquivos gerados pelo AAPP são utilizados pelo novo sistema de inversão ICI, desenvolvido pelo CMS/Meteo-France, para a inferência de perfis verticais de temperatura e umidade. Os resultados demonstram a eficiência da inversão dos perfis a partir das radiâncias TOVS ou ATOVS pelo ICI, baseados no modelo de transferência radiativa (RTTOVS) e no método de inversão 1DVAR, método este utilizado também em modelos de previsão numérica de tempo. Os desvios são menores para situações de céu claro e também sobre o oceano, com 1,5 a 2 graus de desvio padrão. Em situação de céu nublado ou parcialmente nublado, os desvios variam de 2,5 a 3 graus, principalmente sobre a superfície continental. Por problemas técnicos no AMSU-B, não houve progresso significativo na qualidade dos perfis verticais de umidade. A solução via software está em pesquisa e deverá ser implementada na próxima versão do ICI. O AAPP foi implementado na DSA/INPE (Divisão de Satélites Ambientais do Instituto Nacional de Pesquisas Espaciais) e está em fase de testes. Em cooperação com o CMS/Meteo-France, o ICI deverá ser implementado e processado operacionalmente no CPTEC/INPE (Centro de Previsão de Tempo e Estudos Climáticos). REFERÊNCIA BIBLIOGRAFICA Brunel, P.; Lavanant, L.; Rochard, G. Infrared transmittance data base for radiative transfer model. ITSC, Eyre, J.R. Inversion of cloudy satellite sounding radiances by non-linear optimal estimation: theory and simulation for TOVS. Qua. Jor. Roy. Meteor. Soc., Eyre, J.R. A fast radiative transfer model for satellite sounding system. ECMWF Technical Memorandum, Flobert, J.-F.; Andersson, E.; Chédin, A.; Hollingsworth, A.; Kelly, G.; Pailleux, J.; Scott, N.A. Global data assimilation and forecast experiments using the improved initialization inversion method of satellite soundings. Monthly. Weather. Review., 119(8): Kelly, G.; Andersson, E.; Hollingsworth, A.; Lönnberg, P.; Paillex, J.; Zhang, Z. Quality control of operational physical retrievals of satellite sounding data. Monthly Weather Review, 119(8): Lavanant, L. Description document for the ICI sounding software related to meteorological NOAA orbiting satellites. Software Architecture. MeteoFrance, Lavanant, L. and Brunel, P. Description document for the ICI sounding software related to meteorological NOAA orbiting satellites. Scientific Section. MeteoFrance, Lorenc, A.C. Strategies for assimilating sounding information. Use of Satellite Data in Operational Numerical Weather Prediction. ECMWF/EUMETSAT Workshop, May, Sakuragi, J. Sondagens TOVS: impacto na análise sinótica entre 18 e 19 de março de 1991 na região Sul e Sudeste do Brasil. (Dissertação de Mestrado em Meteorologia). Instituto Nacional de Pesquisas Espaciais, São José dos Campos. (INPE-5497-TDI/512), 138pp Sakuragi, J. e Ferreira, M.E. Sondagem remota por satélite e seu impacto na previsão numérica de tempo: uma questão revisitada. Revista Brasileira de Geofísica, Vol. 13(2), Smith, W.L. Atmospheric soundings from satellite-false expectation or the key to improve weather prediction? Quat. Jor. Roy. Meteor. Soc., 117(498): ) Smith, W.L.; Woolf, H.M.; Hayden, C.M.; Wark,D.C.; McMillin, L.M. The TIROS operational vertical sounder. Bul. Am. Met. Soc., 60(10):