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

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

1.

Introdução e Motivação

2.

Dados e Metodologia

3.

Resultados Esperados

1. Introdução e Motivação

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)

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)

1. Introdução e Motivação

Cepagri/Unicamp

Revista FAPESP

Classificação Climática

Diferentes Sistemas

Atuantes

Características Regionais

das Tempestades

1. Introdução e Motivação

a) AutoNowcaster

_{b) SPROG}

c) NIMROD

f) Verification

e) TITAN

d) GANDOLF

Wilson, J. (2011)

Educação e

Divulgação

Operacionalização

Tomada de

Decisões

Apoio à sociedade e pesquisas voltadas a mitigação dos

desastres naturais

•

SATÉLITE GEOESTACIONÁRIO:

▫

DSA/INPE



http://satelite.cptec.inpe.br



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 15-30

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

Pluviômetros

diário, IR GOES

e RADAR

Definição dos

eventos Extremos

Rastreamento dos

eventos severos pelo

novo ForTraCC

Definição dos

picos de

precipitação

intensa,

descargas

elétricas, e

outras

severidades

Ciclo de vida

dos sistema

Caracterização da

condição

pré-convectiva

MSG

(GII)

Modelos

Definindo as

características de

severidade

Pluviômetro,

RADAR, Tbs e

Ref

(MSG/GOES)

Ajustando os

modelos de

previsão de SC e

SPr

Operacionaliza-ção do sistema e

disseminação de

informações

frequência e

trajetória

Regionalização das

estimativas de

precipitação por

satélite

Pluviômetros, IR

GOES, campos

NWP e RADAR

Avaliação do

Hidroestimador

Hidroestimador

Regionalizado/

radar

Menor

Viés?

Sim

Não

Metodologia

Uso de técnicas de

IA



2

1

.

2



11

10

6382

.

3

exp

10

1183

.

1

Tb

R

_s











2. Dados e Metodologia:

Regionalizando o Hidroestimador

• Efeitos orográficos

• Água Precipitável

• Umidade Relativa

• Vento

R(mm/h)

T(K)

2. Dados e Metodologia:

Diferentes Conjuntos de Dados

Últimos 6 anos

• GOES

• MSG

• RADAR

• TRMM

CHUVA e

SOS-CHUVA

• Campinas e região

• Conjuntos de

dados do Projeto

• GOES-R

2. Dados e Metodologia:

Frequência de Eventos (“Climatologia”)

ROMAT

SCHKE

and

HOUZE

(2010)

DOSWELL

(2001)

2. Dados e Metodologia:

Experimentos

Cortesia:

Albrecht, R

Nowcasting

Pré-Convectivo

Iniciação

Convectiva

Maduro

Previsão

Desenvolvimento

contínuo de novos

produtos

2. Dados e Metodologia:

Produtos já construidos

+ 8 índices do

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)

Extreme Ultraviolet and X-ray

Irradiance Suite (EXIS)

Solar Flux: EUV

Solar Flux: X-ray Irradiance

Solar Ultraviolet Imager (SUVI)

Básicos

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

Futuro

Banco de Dados: Evento i

Anál

ise

Pré

-Con

vect

iva

-

MSG

Matriz de Chuva

t

_max

+dt

t

_max

-2dt

t

_max

-dt

t

max

ForTraCC/HydroTrack

(GOES/Hidroestimador/

radar)

XPOL/TRMM

GOES/MSG

2. Dados e Metodologia

ConvectiveSystem

AbstractDetector

<<detects>>

- [n attributes]

AbstractTracker

<<tracks>>

Input Data

<<contains>>

AbstractClassifier

<<classifies>>

AbstractForecaster

<<forecasts>>

BTDetector

AreaOverlap

ConservativeForecaster

Application 1

2. Dados e Metodologia:

ConvectiveSystem

AbstractDetector

<<detects>>

- [n attributes]

AbstractTracker

<<tracks>>

Input Data

<<contains>>

AbstractClassifier

<<classifies>>

AbstractForecaster

<<forecasts>>

BTDetector

AreaOverlap

ConservativeForecaster

Application 1

Application 2

MyNewDetector

2. Dados e Metodologia:

t

t





t

t

_{ 2}

_

_t

_

_

_t

t

V

t

V

t

VE

₍

_

₁

₎

_

₍

₎

_

_

)

(

)

(

t

VP

t

V

V

_

_



)

1

(

t



V

)

(t

VP

)

(t

V

t

t





t

t

t





)

(

)

1

(

t

V

t

VE

_

_

)

(t

VP

)

(t

V

t

t





t

Proc. 3

_{: Máxima Correlação Cruzada (MCC)}

Proc. 1

_{: Auto-correção (AC)}

Proc. 2

_{: Conservativo (DCM)}

b

a

b

FAR





c

a

a

POD















E

N

VIÉS

0

1

2. Dados e Metodologia:

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.

2. Dados e Metodologia:

2. Dados e Metodologia:

+ N atributos

2. Dados e Metodologia:

●

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

2. Dados e Metodologia:

2. Dados e Metodologia:

Inteligência Artificial: Redes Neurais Artificiais, Árvore de Decisão, Teoria dos

Conjuntos Aproximativos, Lógica Fuzzy e Kaizen Programming

feature

value

class

C1

C2

C3

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.

Caracterização de sistemas severos e a

regionalização/automatização do

SOS-CHUVA

São Paulo/SP

Dezembro de 2016

OBRIGADO!