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

Worshop SOS-CHUVA, IAG/USP

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

Sumário

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

1. Introdução e Motivação

• 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

2. Dados e Metodologia:

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

2.1211 106382.3exp101183.1 TbRs

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”)

ROMATSCHKE and HOUZE (2010)

DOSWELL (2001)

2. Dados e Metodologia: Experimentos

Cortesia: Albrecht, R

Nowcasting

Pré-Convectivo

Modelo Numérico

Índices

Cape x Shear

Radiossonda

Skew-T

Índices

Cape x Shear

Satélite

GII

Vento IR

Vento WV

Iniciação Convectiva

RGB

Análise Visual

Radar

São Roque

Campinas

Satélite

Visível

Vis+IR

Maduro

Radares

VIL

DVIL

Alt. Waldwogel

Alt. de 35 dBz

Vento Doppler

Chuva 24 hrs

Refletividade

Satélite

FrTraCC-IR

ForTraCC-IR-WV

Raios

Previsão

ForTraCC

IR

WV-IR

Refletividade

Severidade

Raios

Índices

Desenvolvimento contínuo de novos

produtos

2. Dados e Metodologia: Produtos já construidos

+ 8 índices do

~56 produtos

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

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 V /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 2. Dados e Metodologia:

2. Dados e Metodologia: diferenças de canais

Banco de Dados: Evento i

An

ális

e P

ré-C

onv

ect

iva

- M

SG

Matriz de Chuva

tmax+dt tmax-2dt

tmax-dt tmax

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: O Novo ForTraCC: Abstração & Extensibilidade

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: O Novo ForTraCC: Abstração & Extensibilidade

tt tt 2 ttt

VtVtVE )()1(

)()( tVPtVV

)1( tV

)(tVP

)(tV

tt ttt

)()1( tVtVE

)(tVP

)(tV

tt t

Proc. 3: Máxima Correlação Cruzada (MCC) Proc. 1: Auto-correção (AC)

Proc. 2: Conservativo (DCM)

ba

bFAR

ca

aPOD

N

i

iiEN

VIÉS1

01

2. Dados e Metodologia: Diferentes métodos de track

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: O Novo ForTraCC: Multi-limiarização

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

+ N atributos

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

● 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: O Novo ForTraCC: Armazenamento

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!