Pesquisa de Mestrado:

Emprego do GOES 16 na previsão de tempestades

Aluno: Joao H. Huamán Chinchay

Orientador: Dr. Luiz Augusto Toledo Machado

Introdução

Em condições adequadas, as tempestades associadas a descargas eléctricas e as chuvas que ocasionam inundações repentinas, causam mais mortes que outros eventos meteorológico NSSL/NOAA (2016)

Sectores como a aviação apresenta grandes perdidas de dinheiro devido tempestades que ocasionam a cancelação dos voos comerciais, retraços, voos reencaminhados, acidentes entre outros. (Mecikalski; Johnson, 2002)

(ELAT/INPE)

Atributo Campo de interesse

Desenvolvimento vertical

6.2 – 10.8 um

6.2 – 7.3 um

10.8 um

7.3 – 13.4 um

6.2 – 9.7 um

8.7 – 12.0 um

Glaciação no topo da nuvem

tri-espectral

8.7 – 10.8 um

3.9 – 10.8 um

12.0 – 10.8 um

1.6 um

2.25 um

3.9 um

Intensidade do fluxo ascendente

9.7 – 13.4 um

6.2 – 12.0 um

7.3 -9.7 um

Tri-espectral: (8.5 μm - 10.8 μm) - (10.8 μm -12.3 μm)

Mecikalski et al. (2010a; 2010b)

Introdução

Questão cientifica • Quais são as características radiativas das nuvens que estão associadas com as

descargas elétricas? • Essas características radiativas podem ser observadas mediante combinações de

canais do ABI • É possível utilizar o ABI para prever a ocorrência de descargas elétricas?

Objetivo geral • Avaliar as informações multicanais do ABI para a detecção de tempestades e

comparar sua eficiência com a densidade de descargas elétricas medidas pelo sensor GLM.

Objetivo especifico • Encontrar uma relação entre a densidade de descargas elétricas e os atributos

físicos observados nas tempestades severas mediante combinações de canais, para utiliza-las como preditores de tempestades a muito curto prazo (Nowcasting).

Metodologia

XXXX1200 XXXX1215

0 – 5 min 5 – 10 min 10 – 15 min

XXXX1145

66 campos.

15 min

Campo1 Campo2 Campo3 Campo4

.

.

. Campo22

Trend15 Campo1 Trend15 Campo2 Trend15 Campo3 Trend15 Campo4

.

.

. Trend15 Campo22

66 campos.

Densidade de descargas elétricas

Metodologia

35 11 0

0 23 2

35 35 35 35 11 11 11 11 0 0 0 0

35 35 35 35 11 11 11 11 0 0 0 0

35 35 35 35 11 11 11 11 0 0 0 0

35 35 35 35 11 11 11 11 0 0 0 0

0 0 0 0 64 64 64 64 2 2 2 2

0 0 0 0 64 64 64 64 2 2 2 2

0 0 0 0 64 64 64 64 2 2 2 2

0 0 0 0 64 64 64 64 2 2 2 2

GLM 8 km Densidade de descargas

ABI – 2km Campo de interesse

GLM 2 km Densidade de descargas

0 4 3 0 1 1 4 5 0 3 2 5

1 -1 5 2 5 2 1 1 2 0 1 4

6 0 0 3 0 -3 -1 -1 0 3 -2 -2

2 1 -2 5 2 1 -2 -1 1 -1 0 3

0 0 2 1 0 -3 2 0 3 -2 3 2

-1 3 0 2 0 5 -2 2 -1 -3 1 2

-3 4 -3 6 3 3 2 -1 3 1 0 0

5 1 0 -1 -1 6 3 5 4 0 3 -2

Categ. 1: < 00 – 01] Categ. 2: < 01 – 03 ] Categ. 3: < 03 – 07 ] Categ. 4: < 07 – 15 ] Categ. 5: < 15 – 31 ] Categ. 6: < 31 – 63 ] Categ. 7: > 63

ABI:

GLM:

Índice = Preditor1*m1 + Preditor2*m2 + ... + Preditorn*mn

Referencias

MECIKALSKI, J. R.; JOHNSON, D. B. NASA Advanced Satellite Aviation Weather Products (ASAP) Study

Report. [S.l.]: University of Wisconsin–Madison, 2002. 1

Mecikalski, J. R., Bedka, K. M., Paech, S. J., & Litten, L. a. (2008). A Statistical Evaluation of GOES Cloud-Top

Properties for Nowcasting Convective Initiation. Monthly Weather Review, 136, 4899–4914.

https://doi.org/10.1175/2008MWR2352.1

Mecikalski, J. R., Mackenzie, W. M., König, M., & Muller, S. (2010). Cloud-top properties of growing cumulus

prior to convective initiation as measured by meteosat second generation. Part II: Use of visible reflectance. Journal

of Applied Meteorology and Climatology, 49(12), 2544–2558. https://doi.org/10.1175/2010JAMC2480.1

NSSL/NOAA. 2016. Available from: <http://www.nssl.noaa.gov/education/svrwx101/thunderstorms/>. Access in:

2016. 12, 06

STULL, R. Practical Meteorology: An Algebra-based Survey of Atmospheric Science. CANADA: University of

British Columbia, 2015. 1, 9

ELAT/INPE. http://www.inpe.br/webelat/homepage/menu/noticias/vitimas.de.raios.-.infografico.php