Caracterização de sistemas severos e a regionalização/automatização do SOS-CHUVA

Transcrição

1 Worshop SOS-CHUVA, IAG/USP Caracterização de sistemas severos e a regionalização/automatização do SOS-CHUVA Alan J. P. Calheiros Luiz A. T. Machado; Alex Pessoa; Vinícius Melo; Douglas Uba; Izabelly C. Costa; Diego Enoré alan.calheiros@inpe.br São Paulo/SP 06 de dezembro de 2016

2 Sumário 1. Introdução e Motivação 2. Dados e Metodologia 3. Resultados Esperados

3 1. Introdução e Motivação Eventos extremos de precipitação tem aumentado nas últimas décadas (MARENGO et al., 2010 e SILVA-DIAS et al., 2013) Modelos climáticos tendência é que esse quadro ainda se agrave nos próximos anos (RUSTICUCCI et al. 2011; SILLMANN et al., 2013) NOWCASTING engloba uma descrição do estado atual do atmosfera em detalhes e a previsão de como a atmosfera evoluirá nas próximas horas (Browning, 1981). Nowcasting is relevant not because it is better but because it is fast (ONVLEE, 2012)

4 1. Introdução e Motivação Classificação Climática Cepagri/Unicamp Diferentes Sistemas Atuantes Revista FAPESP Características Regionais das Tempestades

5 1. Introdução e Motivação a) AutoNowcaster d) GANDOLF b) SPROG e) TITAN Wilson, J. (2011) c) NIMROD f) Verification

6 1. Introdução e Motivação Apoio à sociedade e pesquisas voltadas a mitigação dos desastres naturais Tomada de Decisões Operacionalização Educação e Divulgação

7 2. Dados e Metodologia: SATÉLITE GEOESTACIONÁRIO: DSA/INPE Tb e refletividade das imagens dos satélites GOES-12, 13 e R (NOAA) e MSG (EUMETSAT) nos mais diversos canais com uma resolução temporal de minutos; Modelo GII (Global Instability Index ) da EUMETSAT; RADARES: Dados dos radares meteorológicos XPOL e São Roque. OBSERVAÇÕES: INMET, CPTEC e colaboradores Medidas das radiossondagens disponíveis sobre os aeroportos mais próximos da região; Precipitação medida por pluviômetros e disdrômetros; Modelos Númericos de Tempo: CPTEC e USP Campos meteorológicos: Água Precipitável (PW), CAPE, Umidade Relativa (RH), Vento (u,v), entre outros com uma resolução espacial e temporal mais refinada

8 Metodologia Pluviômetros, IR GOES, campos NWP e RADAR Regionalização das estimativas de precipitação por satélite Avaliação do Hidroestimador Não Pluviômetros diário, IR GOES e RADAR Definição dos eventos Extremos Definição dos picos de precipitação intensa, descargas elétricas, e outras severidades Menor Viés? Sim Hidroestimador Regionalizado/ radar Rastreamento dos eventos severos pelo novo ForTraCC Ajustando os modelos de previsão de SC e SPr Operacionalização do sistema e disseminação de informações Uso de técnicas de IA Definindo as características de severidade Caracterização da condição préconvectiva frequência e trajetória Ciclo de vida dos sistema Pluviômetro, RADAR, Tbs e Ref (MSG/GOES) MSG (GII) Modelos

9 2. Dados e Metodologia: Regionalizando o Hidroestimador Efeitos orográficos Água Precipitável Umidade Relativa Vento R(mm/h) Rs exp Tb1.2 T(K)

10 2. Dados e Metodologia: Diferentes Conjuntos de Dados Últimos 6 anos GOES MSG RADAR TRMM CHUVA e SOSCHUVA Campinas e região Conjuntos de dados do Projeto GOES-R

11 2. Dados e Metodologia: Frequência de Eventos ( Climatologia ) DOSWELL (2001) ROMAT SCHKE and HOUZE (2010)

12 2. Dados e Metodologia: Experimentos Cortesia: Albrecht, R

13 2. Dados e Metodologia: Produtos já construidos Nowcasting Iniciação Convectiva Pré-Convectivo Modelo Numérico Radiossonda Satélite Índices Skew-T GII Cape x Shear Índices Vento IR Cape x Shear Vento WV RGB Análise Visual Radar ~56 produtos Previsão Maduro Satélite Radares Satélite ForTraCC Severidade São Roque Visível VIL FrTraCC-IR IR Raios Campinas Vis+IR DVIL ForTraCC-IRWV WV-IR Índices Alt. Waldwogel Raios Refletividade Alt. de 35 dbz Vento Doppler Chuva 24 hrs + 8 índices do Refletividade Desenvolvimento contínuo de novos produtos

14 2. Dados e Metodologia: Básicos Advanced Baseline Imager (ABI) Aerosol Detection (Including Smoke and Dust) Aerosol Optical Depth (AOD) Clear Sky Masks Cloud and Moisture Imagery Cloud Optical Depth Cloud Particle Size Distribution Cloud Top Height Cloud Top Phase Cloud Top Pressure Cloud Top Temperature Derived Motion Winds Derived Stability Indices Downward Shortwave Radiation: Surface Fire/Hot Spot Characterization Hurricane Intensity Estimation Land Surface Temperature (Skin) Legacy Vertical Moisture Profile Legacy Vertical Temperature Profile Radiances Rainfall Rate/QPE Reflected Shortwave Radiation: TOA Sea Surface Temperature (Skin) Snow Cover Total Precipitable Water Volcanic Ash: Detection and Height Geostationary Lightning Mapper (GLM) Lightning Detection: Events, Groups & Flashes Space Environment In-Situ Suite (SEISS) Energetic Heavy Ions Magnetospheric Electrons & Protons: Low Energy Magnetospheric Electrons: Med & High Energy Magnetospheric Protons: Med & High Energy Solar and Galactic Protons Magnetometer (MAG) Geomagnetic Field Extreme Ultraviolet and X-ray Irradiance Suite (EXIS) Solar Flux: EUV Solar Flux: X-ray Irradiance Solar Ultraviolet Imager (SUVI) Solar EUV Imagery Futuro Advanced Baseline Imager (ABI) Absorbed Shortwave Radiation: Surface Aerosol Particle Size Aircraft Icing Threat Cloud Ice Water Path Cloud Layers/Heights Cloud Liquid Water Cloud Type Convective Initiation Currents Currents: Offshore Downward Longwave Radiation: Surface Enhanced 䇾V䇿/Overshooting Top Detection Flood/Standing Water Ice Cover Low Cloud and Fog Ozone Total Probability of Rainfall Rainfall Potential Sea and Lake Ice: Age Sea and Lake Ice: Concentration Sea and Lake Ice: Motion Snow Depth (Over Plains) SO2 Detection Surface Albedo Surface Emissivity Tropopause Folding Turbulence Prediction Upward Longwave Radiation: Surface Upward Longwave Radiation: TOA Vegetation Fraction: Green Vegetation Index Visibility

15 2. Dados e Metodologia: diferenças de canais

16 2. Dados e Metodologia Banco de Dados: Evento i Matriz de Chuva Análise Pré-Convectiva - MSG XPOL/TRMM ForTraCC/HydroTrack (GOES/Hidroestimador/ radar) GOES/MSG tmax-dt tmax-2dt tmax tmax+dt

17 2. Dados e Metodologia: O Novo ForTraCC: Abstração & Extensibilidade AbstractClassifier <<classifies>> <<forecasts>> Input Data <<contains>> AbstractForecaster ConservativeForecaster ConvectiveSystem - [n attributes] <<tracks>> <<detects>> AbstractTracker AbstractDetector AreaOverlap BTDetector Application 1

18 2. Dados e Metodologia: O Novo ForTraCC: Abstração & Extensibilidade Application 2 AbstractClassifier <<classifies>> <<forecasts>> Input Data <<contains>> AbstractForecaster ConservativeForecaster ConvectiveSystem - [n attributes] <<tracks>> <<detects>> AbstractTracker AbstractDetector AreaOverlap MyNewDetector BTDetector Application 1

19 2. Dados e Metodologia: Diferentes métodos de track Proc. 2: Conservativo (DCM) t t t t t VE (t 1) V (t ) V V (t ) V (t 1) VP (t ) V (t ) VP (t ) Proc. 3: Máxima Correlação Cruzada (MCC) Proc. 1: Auto-correção (AC) t 2 t t t VE (t 1) V (t ) b FAR a b a POD a c 1 N VIÉS Ei 0i N i 1 t t t V V (t ) VP(t ) t t t

20 2. Dados e Metodologia: O Novo ForTraCC: Multi-limiarização Hipótese: cada polígono que faz parte do SC é obtido a partir de diferentes limiares de temperatura, o que possibilita uma estrutura mais detalhada do sistema, suas camadas e limites.

21 2. Dados e Metodologia: O Novo ForTraCC: Formas de representação - Elipse

22 2. Dados e Metodologia: O Novo ForTraCC: Extração de atributos + N atributos

23 2. Dados e Metodologia: O Novo ForTraCC: Armazenamento Utilização de um banco de dados com suporte espacial (e.g. PostGIS) Atributos tabulares + representação espacial Possibilidade de exportação para arquivos vetoriais Shapefile, KML, etc. Histórico Consultas temporais + espaciais Recuperar os sistemas convectivos detectados nas regiões Sul/Sudeste do Brasil no período de 01/01/2016 até 01/03/2016 Recuperar os sistemas convectivos detectados na região Norte do Brasil cuja área é maior que N km2

24 2. Dados e Metodologia: Inteligência Artificial: Redes Neurais Artificiais, Árvore de Decisão, Teoria dos Conjuntos Aproximativos, Lógica Fuzzy e Kaizen Programming feature value C3 C1 C2 class

25 3. Resultados Esperados a) Criar um sistema automático de previsão a curto prazo de tempestades a partir do uso das mais diversas informações a partir da: 1. Caracterização os sistemas atuantes sobre a região de interesse ao longo do seu ciclo de vida (morfologia, frequência, severidade, carcateristicas microfísicas, etc). 2. Desenvolvimento de novas metodologias para identificação de condições de iniciação de tempestades, crescimento e intensificação de sistemas severos sobre a região que serão baseadas em limiares de variáveis meteorológicas, índices de instabilidade, medidas diretas da radiância por satélites e refletividade radar e polarimetria e relação entre essas variáveis a partir da IA; b) Contribuir para uma melhor definição dos papéis do CPTEC no contexto de extensão para inserir o sistema nos planos diretores dos municípios e melhorar a divulgação e educação sobre os sistemas severos a sociedade de modo geral.

26 Caracterização de sistemas severos e a regionalização/automatização do SOS-CHUVA OBRIGADO! São Paulo/SP Dezembro de 2016