Aula – 12
Definindo as Estratégias de
Varredura e softwares de
Considerações para a definição das
varreduras de um radar meteorológico: I
Definir qual será a aplicação para as medidas do
radar meteorológico
–
Monitoramento de tempo severo;
–
Estimativa de precipitação;
–
Caracteristicas da Precipitação;
Considerações para a definição das
varreduras de um radar meteorológico: II
Definir a acurácia ou precisão necessária para a
aplicação definida
–
Em geral, quanto maior o número de amostras em cada
volume iluminado melhor a precisão;
–
Quanto maior o número de bins dentro de um espaço 3D
• Definir a resolução espacial em coordenadas
polares (largura do pulso, espaçamento azimutal e
de elevação, tamanho do gate/bin)
- Resoluções melhores implicam em mais varreduras,
logo taxas de varredura mais lentas.
- Resoluções polares pobres podem deixar falhas/buracos
nos dados interpolados em um grid
Considerações para a definição das
varreduras de um radar meteorológico: III
Largura do Pulso, tamanho do gate ou bin Largura do feixe
100 m Largura do feixe = 1o
50 km
872 m
1745 m
100 km
R(km) Largura (m) (1º) Largura (m) (1,8º) 10 174 314 50 872 1.571 100 1.745 3.142500 m Largura do feixe = 2o
50 km
100 km
1746 m
3490 m
Radares brasileiros antigos: 2º de feixe
1746 m
500 m R(km) Largura (m) (1º) Largura (m) (1,8º) 10 174 314 50 872 1.571 100 1.745 3.142Tan (feixe) * Distância
50 km
872 m
1745 m
100 km
Resolução gate
R(km) Largura (m) (1º) Largura (m) (1,8º) 10 174 314 50 872 1.571 100 1.745 3.142Método de interpolação 3D para calcular CAPPIs - Anagnostou et al.(1998)
Largura do
Calculamos a fração que o volume
Iluminado representa dentro do volume da caixa 3D VolBox dentroBox VolGate w i ( ) VolBox r VolGate wi ( ,
,
)
Ngates i i Ngates i i i w Z w Z 1 1http://www.radar.mcgill.ca
Método de Projeção
DH
• Definir a resolução temporal ou frequência que as
varreduras volumétricas tem que ser feitas
- Precisamos saber qual é a evolução temporal
característica do alvo a ser observado. Quanto maior a
amostragem, mais próximo estamos da realidade.
- A chuva muda a cada 1,5,10,15,30 minutos?
Considerações para a definição das
varreduras de um radar meteorológico: IV
Considerações para a definição das
varreduras de um radar meteorológico: V
Conhecer a topografia da região
-Se o terreno for acentuado,
estratégias diferenciadas devem
ser utilizadas para inferir os
parâmetros. Por exemplo,
podemos utilizar o método
“
Vertical Profile of Reflectivity –
VPR
”
[M.Borga, E.N. Anagnostou, and E. Frank, “On the use of real-time radar rainfall estimates for flood prediction in mountainous basins,” Journal of Geophysical Research-Atmospheres , 105, D2, 2269-2280]
Considerações para a definição das
varreduras de um radar meteorológico: V
Levantar o comportamento da variação vertical do
índice de refratividade
- Avaliar se existe propagações anômalas;
Avaliação da Topografia
- Usar os modelos de elevação digital - Digital Elevation Map DEM
- Calcular os DEM em coordenadas polares de acordo com as estratégias do radar e espaçamento do gate
Considerações para a definição das
varreduras de um radar meteorológico: VI
Lembrar que a potência recebida varia com o
inverso da distância do alvo ao quadrado.
Z
r
K
Cte
=
P
R
2
2
Banda S, 1 grau de abertura, Sinal mínimo = -108 dBM, largura do pulso = 0,1 segundo, Potência Transmitida = 750 kW
Razão do Sinal Ruído – SNR – valor mínimo de Z que poderá ser detectado pelo radar.
Considerações para a definição das
varreduras de um radar meteorológico: VII
Número de amostragem em cada raio(radial) implica em uma maior ou menor representação da chuva.
Erro nas medidas de Z em função do número de amostras utilizado para estimar Z
Doviak and Zrnic, 1993.
Erro nas medidas de Z em função do número de amostras utilizado para estimar Z
As estimativa de Vr em geral tem um erro de 0.5-1 m/s
As medidas observadas são tratadas dentro do processador de sinal (Radar Signal
Processor ou Radar Video Processor) que trata as medidas complexas demoduladas ou seja, os IQ (fase e quadratura)
N n n n Q I 1 2 2Número de amostras independentes necessário para
caracterizar as medidas dentro de um volume ilumindado em função do desvio padrão da amostra de Z (dBZ).
Quanto menor o desvio padrão maior o número de amostradas
(dB) = 0,2 450 amostras
(dB) = 1,2 10 amostras
Equação Básica para a definição das varreduras:
é ângulo azimutal.
é o espaçamento azimutal dos raios em graus
N
é o número de amostras
PRF
é Frequência de repetição do pulso
DWELL TIME
= N/PRF tempo de extensão
/
t
é a taxa de rotação da antena (graus/seg)
Δφ=
∂ φ
∂ t
N
PRF
28 Amostras
Exemplo de Estratégias de varredura do Nexrad WSR-88D
Note que o espaçamento do ângulo de elevação aumenta para elevações mais altas
Radares de pesquisa podem utilizar diversas combinações, entretanto radares operacionais não podem ter este luxo.
No exemplo abaixo, o espaçamento em elevação é ajustado para previnir o aparecimento de buracos/falhas na interpolação de uma grade. Muitos radares
Interfaces gráficas para a
Radares do DECEA – Força Aérea – Software GAMIC
Janela interativa para a definição dos parâmetros de varredura
amostras
x
t
φ
ΔφPRF
=
N
PRF
N
t
φ
=
Δφ
13
,
8
18
250
1
/
EEC – Edge Software Amostragem Polarização Dobramento vel doppler Largura do pulso Distância Resolução do gate Resolução das medidas (8,10,24 bits)
Filtro de eco de terreno
Gematronik – Ravis (FCTH, SC, CEMADEM e VALE)
http://www.gematronik.com/fileadmin/media/pdf/product-information/Datenblatt.RAINBOW.13.engl.pdf
Gematronik
– Rainbox
ELDES – RadarUSP - ChuvaOnline
Definindo Estratégia de PPI
Define a elevação do PPI , velocidade da antena e Passo da Varredura
Azimutal.
Pode bloquear setores de azimute e elevação
Define a resolução do
Definindo Estratégia de RHI
Define o Azimute do RHI e ângulo de elevação Inicial e final, e passo Varredura de elevação
Define a resolução do
Estratégia de Operação, Armazenamento e Filtros da Varredura
Armazenamento Ajuste do Pulso Filtros de Clutter
Produtos
Configuração do Processador do Sinal PRF e Largura do Pulso Constantes do Radar Orientação da antena
Pacotes para processamento e análise de dados de radar: Públicos
1) TRMM – Radar Subroutine Library – RSL
http://trmm-fc.gsfc.nasa.gov/trmm_gv/software/software.html
(c, fortran e IDL)
2) NCAR – Solo e RadX
http://www.eol.ucar.edu/rdp/solo/solo_home.html ou
https://ral.ucar.edu/projects/titan/docs/radial_formats/radx.html
3) Py-ART - The Python ARM Radar Toolkit
http://arm-doe.github.io/pyart/ (PHYTON) 4) WRADLIB https://wradlib.org/ (PHYTON)
5) Baltrad - http://theradarcommunity.wikidot.com/tool:2
(C, Java, Phyton) toolkit de troca, integração e manipulação de dados de radares europeus
6) Comunidade de radar - https://openradarscience.org/ , inclusive dispõe de uma ISO para um maquina virtual com todos os pacotes
Previsão de Curtíssimo Prazo - Nowcasting
Os algoritmos de previsão de chuva de curtíssimo prazo baseiam-se esbaseiam-sencialmente em modelos de advecção (extrapolação),
conceituais (ciclo de vida) ou numéricos que resolvem
explicitamente as equações primitivas (Wilson et al., 1998).
Os modelos de advecção são utilizados por radares operacionais.
ENCAST da Selex (Selex Manual); - SRI / PPI surface
SHARP (Belon e Austin, 1978) - CAPPI
TITAN (Dixon e Weiner, 1993) - CAPPI
TREC (Tracking Radar Echoes by Correlation) (Tuttle e Gall, 1990) – versão atualizada da Rinehart and Garvey
Os algoritmos de advecção identificam as células de precipitação e projetam o deslocamento do campo de precipitação ou de células individuais a partir da velocidade estimada por 3 procedimentos:
Correlação: Calcula a correlação espacial cruzada entre dois campos de radar (PPI ou CAPPI) consecutivos para identificar o deslocamento das áreas precipitantes. O deslocamento espacial que apresenta a maior correlação cruzada define a velocidade de deslocamento dos sistemas precipitantes.
Rastreamento de centróides: Aplica-se a correlação cruzada em 3D para cada célula precipitante identificada em dois volumes consecutivos. Logo cada volume precipitante tem o respectivo vetor de deslocamento.
Velocidade radial: Calcula-se o escoamento do fluxo médio a partir da
técnica de VAD (Browing e Wexler, 1968).
Pacotes de Nowcasting
1) TITAN -> http://www.ral.ucar.edu/projects/titan/home/
Dixon, M., and G. Wiener, 1993: TITAN: Thunderstorm identification, tracking, analysis and nowcasting - a radar-based methodology. J. Atmos. Ocean. Tech., 10 (6), 785-797.
Detecção das tempestades e previsão de 60 minutos
Campo de Refletividade 1 hora depois
2 – MAPLE Nowcast
http://www.radar.mcgill.ca/imagery/nowcasting.html
Hee Choon Lee, Yong Hee Lee, Jong-Chul Ha, Dong-Eon Chang, Aldo Bellon, Isztar Zawadzki and Gyuwon Lee, McGill algorithm for precipitation nowcasting by lagrangian extrapolation (MAPLE) applied to the South Korean radar network. Part II: Real-time verification for the summer season. Asia-Pacific Journal of Atmospheric Sciences, Volume 46, Number 3, 383-391, DOI: 10.1007/s13143-010-1009-9