Uso combinado de datos TRMM/PR y disdrómetro para corrección
Transcripción
Uso combinado de datos TRMM/PR y disdrómetro para corrección
Uso combinado de datos TRMM/PR y disdrómetro para corrección de reflectividad de radares meteorológicos en Argentina Luciano Vidal1,2, Paola Salio2,3 y Laura Pappalardo2 (1) CONICET - Servicio Meteorológico Nacional (2) Departamento de Ciencias de la Atmósfera y los Océanos, FCEyN, UBA (3) Centro de Investigaciones del Mar y la Atmósfera, CIMA/CONICET, FCEyN, UBA, UMI 3351 - CNRS E-mail: [email protected] RESUMEN: En Argentina como en otros países, las mediciones diarias de precipitación son llevadas a cabo mediante el empleo de estaciones pluviométricas de superficie. Como resultado, las observaciones puntuales a veces no representan adecuadamente la variabilidad espacio-temporal de los sistemas precipitantes, lo cual hace necesario la incorporación de otras fuentes de medición que puedan mejorar este aspecto. En los últimos años se han incrementado notablemente las investigaciones relacionadas con el uso de las estimaciones cuantitativas de precipitación (QPE), tanto de radar como satelitales, en aplicaciones hidrológicas, debido principalmente a la creciente demanda de productos de precipitación con mayor resolución espacial y temporal. Muchos organismos gubernamentales de toma de decisión empezaron a considerar el uso de las estimaciones QPE como un complemento importante para los productos convencionales derivados de la medición de lluvia mediante pluviómetros. El objetivo de este trabajo es presentar una metodología para llevar a cabo un análisis de calidad de los datos de reflectividad de los radares meteorológicos basados en tierra mediante el uso de datos del radar PR (Precipitation Radar) a bordo del satélite TRMM (Tropical Rainfall Measuring Mission) y de disdrómetros. Con esto se busca, por un lado, identificar errores sistemáticos presentes en los datos y posteriormente derivar un producto de precipitación a partir de encontrar una relación Z-R lo mas adecuada posible para la región de estudio. En particular, aquí se muestran algunos resultados aplicados al radar de Ezeiza, propiedad del Servicio Meteorológico Nacional. INTRODUCCION En Argentina como en otros países, las mediciones diarias de precipitación son llevadas a cabo mediante el empleo de estaciones pluviométricas de superficie. Como resultado, las observaciones puntuales a veces no representan adecuadamente la variabilidad espacio-temporal de los sistemas precipitantes, lo cual hace necesario la incorporación de otras fuentes de medición que puedan mejorar este aspecto. En los últimos años se han incrementado notablemente las investigaciones relacionadas con el uso de las estimaciones cuantitativas de precipitación (QPE), tanto de radar como satelitales, en aplicaciones hidrológicas, debido principalmente a la creciente demanda de productos de precipitación con mayor resolución espacial y temporal. Muchos organismos gubernamentales de toma de decisión empezaron a considerar el uso de las estimaciones QPE como un complemento importante para los productos convencionales derivados de la medición de lluvia mediante pluviómetros. Las actividades antes mencionadas, en el caso de los radares meteorológicos, requieren una representación confiable de la reflectividad asociada a los sistemas precipitantes. Para saber si las mediciones de los radares meteorológicos de Argentina pueden ser utilizadas en el marco de las aplicaciones sobre la región norte de la Pampa Húmeda y el sur del Litoral, es necesario conocer sus errores sistemáticos y desarrollar algoritmos de calibración o ajuste que permitan reducirlos o eliminarlos. Varios estudios han abordado los problemas presentes en las mediciones de radar, concentrándose los mismos mayormente en analizar la calidad de los datos (Moszkowicz et al. 1994; Austin 1987; Zawadzki 1984), la transformación de reflectividad a tasa de precipitación (Z-R) (Smith and Krajewski 1993; Scarchilli et al. 1990; Zawadzki 1982) y los efectos de la geometría del haz y el perfil vertical de reflectividad (Krajewski et al. 1996; Kitchen and Jackson 1993; Joss and Lee 1995; Rosenfeld et al. 1992). Una fuente de error importante, que puede conducir a errores sistemáticos importantes en las estimaciones de precipitaciones por radar, es la falta en la determinación exacta de la constante de calibración del radar. Este problema ha sido abordado de varias maneras, ya sea a partir de comparar las observaciones de radar con datos de pluviómetros (Smith et al. 1996; Ulbrich and Lee 1999; Anagnostou et al. 1998; Smith and Krajewski 1991; Anagnostou et al. 1999; Kitchen and Blackall 1992), a partir de la puesta en orbita del primer radar para detectar precipitación (PR, Simpson et al. 1996) a bordo del satélite TRMM (Tropical Rainfall Measuring Mission), comparando ambos radares y determinando los sesgos (bias) presentes en los datos del radar de tierra (Anagnostou et al. 2001; Bolen and Chandrasekar 2000; Gabella et al. 2006; Carvalho da Costa 2007) o bien, mediante el uso de disdrómetros. Así, la calibración de un radar se ha de entender como un proceso que tiene un carácter específico para cada radar, ya que la importancia de cada uno de los errores va a depender tanto del propio radar, como de su entorno y la climatología de la zona donde se encuentra instalado. La corrección meticulosa de cada uno de esos errores permite llegar a un estado final en el que la comparación con pluviómetros se suele entender como un control de calidad más que una calibración, ya que se acepta que no son estimaciones de una misma variable. De esta manera, el objetivo de este trabajo es presentar una metodología para llevar a cabo un análisis de calidad de los datos de reflectividad de los radares meteorológicos basados en tierra mediante el uso de datos del radar PR (Precipitation Radar) a bordo del satélite TRMM (Tropical Rainfall Measuring Mission) y de disdrómetros. Con esto se busca, por un lado, identificar errores sistemáticos presentes en los datos y posteriormente derivar un producto de precipitación a partir de encontrar una relación Z-R lo mas adecuada posible para la región de estudio. En particular, aquí se muestran resultados preliminares aplicados al radar de Ezeiza, propiedad del Servicio Meteorológico Nacional, para un período experimental de tres meses correspondientes a la estación cálida 2009-2010. DATOS Reflectividad del radar meteorológico de Ezeiza El radar meteorológico es operado por el Servicio Meteorológico Nacional y esta emplazado en cercanías del Aeropuerto Internacional Ministro Pistarini de Ezeiza (34.49°S 58.32°W, 20 m) (Figura 1). Se trata de un modelo Enterprise DWSR-2500C que opera en una longitud de onda de 5.36 cm (banda C), con un ancho de pulso de 1°, una resolución en rango de 0.5 km y una frecuencia de escaneo de aproximadamente 10 minutos. Cada volumen consiste en 16 elevaciones de antena, entre 0.2° (escaneo base) y 34°. Figura 1.- Mapa con la ubicación del sitio del radar meteorológico de Ezeiza y las diferentes áreas de cobertura de la información. Reflectividad del radar TRMM-PR El radar PR a bordo del satélite TRMM opera en banda Ku (13,796-13,802 GHz) correspondiente a una longitud de onda de 2,17 cm. La resolución espacial es de 4,8 km en la horizontal y de 0,25 km en la vertical. El producto que se utilizo en este trabajo es la reflectividad corregida por atenuación derivada del algoritmo 2A-25 (Iguchi and Meneghini, 1994). Reflectividad y tasa de precipitación de disdrómetro Para este trabajo se utilizó un disdrómetro láser Thies (http://www.thiesclima.com/disdrometer.html) que se instaló durante el período de estudio en el edificio del Instituto de Clima y Agua, dentro del predio de INTA Castelar (Figura 2). El distrómetro calcula la intensidad, el volumen (equivalente en agua) y el espectro de precipitación (diámetro y velocidad), así como la intensidad instantánea de precipitación (R) y la reflectividad de radar (Z). Estos dos últimos parámetros son los que se emplearon en el presente trabajo. (a) (b) Foto: Thies Clima Figura 2.- (a) Esquema del disdrómetro donde se ve el láser y los hidrometeoros pasando a través del mismo. (b) Vista del disdrómetro Thies (flecha negra) utilizado en el predio de INTA Castelar. METODOLOGIA Cross-validación entre radar de Ezeiza y radar de TRMM A fin de comparar las dos muestras, se siguió una metodología similar a la propuesto por Anagnostou et al. (2001) para la correcta disposición espacial de ambas fuentes de información. El método se basa en un esquema que interpola los volúmenes escaneados de ambos radares a una retícula común a fin de reducir al mínimo las incertidumbres asociadas con el tipo de precipitación presente, la resolución de la retícula, las diferencias en el umbral de sensibilidad de cada radar, el volumen de muestreo, los ángulos de visión, y las frecuencias de trabajo. Los volúmenes “instantáneos” de reflectividad de TPR y EGR, con un desfasaje máximo de 10 minutos, son proyectados en una retícula cartesiana 3D con una resolución horizontal de 5 km y vertical de 2 km. Las dimensiones de la caja de este volumen interpolado fueron definidas para ser consistentes con ambos sistemas de observación, respetando la baja resolución vertical del radar de tierra (~2 km a 100-km del radar considerando un ancho de pulso de 1°) y la resolución de TPR (~4.5 × 4.5 km). El dominio esta centrado en el radar de Ezeiza y se extiende horizontalmente ±200 km y verticalmente desde 2 a 14 km. El estudio de las diferencias sistemáticas entre los datos de TPR y EGR fueron evaluadas considerando estadísticos tales como BIAS y RMSE, y aplicando la técnica denominada “histogram matching” (Hamill, 1999) que se basa en comparar las CDFs de ambos conjuntos de datos (Figura 3a). El objetivo principal de este algoritmo es encontrar una curva de ajuste que minimiza la distancia entre ambas distribuciones acumuladas. La idea principal detrás de esto es remover los apartamientos (bias) de la información del EGR en relación con TPR. Dada un CDF para cada muestra, cada valor del conjunto de datos “descalibrado” es agrupado con su valor correspondiente en los datos de referencia para una misma probabilidad. La Figura 3a muestra un ejemplo de esta metodología, Z1 es el valor de reflectividad “descalibrado” y Z2 es el dato de referencia, P% representa el nivel de probabilidad para ambas muestras. En la Figura 3b se muestra el diagrama de dispersión resultante de considerar todos los pares (Z1 y Z2) para un rango de probabilidades entre 5% y 95%, dentro del período completo de estudio (2004-2009). Finalmente, la curva de ajuste o calibración se define a partir de una interpolación lineal entre dos sucesivos intervalos de probabilidad (e.g. 5% y 10%). (a) (b) Figura 3.- (a) Esquema de la función de “histogram matching”. (b) Definición de la curva de calibración. Obtención de la relación Z-R con disdrómetro El primer paso fue identificar los eventos de precipitación registrados por el disdrómetro dentro del período de estudio. Luego se generaron series temporales de R y Z para cada uno a fin de analizar las características generales de la precipitación registrada. La Figura 4 muestra, para cada uno de los eventos, la evolución temporal de la tasa de precipitación (R) y de la reflectividad (Z). Como se ve, existe una gran variabilidad de dichos parámetros dentro de un mismo evento como así también entre eventos. Luego, se procedió a calcular las relaciones Z-R para cada evento por separado en primer lugar, y luego considerando todos los eventos juntos. A su vez, para este ultimo conjunto, se obtuvo una relación para precipitación estratiforme y otra para precipitación convectiva. Para esto último, se adoptó un umbral de tasa de precipitación R < 10 mm/h para definir eventos de precipitación estratiforme (Nzeukou et al. (2004), entre otros). Por su parte, los eventos convectivos son aquellos cuya tasa de precipitación es mayor que dicho umbral. Figura 4.- Evolución temporal de tasa de precipitación (azul) y reflectividad (rojo) medidas por el disdrómetro para cada uno de los eventos registrados entre noviembre de 2009 y enero de 2010. El eje de las abscisas corresponde al tiempo en horas. RESULTADOS Desempeño del radar meteorológico de Ezeiza La Figura 5 muestra los histogramas de frecuencias relativas del radar de Ezeiza y TRMM-PR, en conjunto con la distribución de las diferencias, a fin de apreciar gráficamente el sesgo presente en los datos de Ezeiza. Lo primero que se observa es que el histograma de las diferencias presenta una forma muy cercana a una distribución gausseana, con un desvío estándar igual 7 dB. Esta variabilidad se puede atribuir a efectos aleatorios asociados con la variabilidad presente en la distribución de tamaños de los hidrometeoros, residuos asociados a correcciones por atenuación, conocimientos incompletos acerca de la propagación del haz de radar, errores de interpolación y desfasajes en el momento de las mediciones por parte de ambos radares. De todos modos, es posible identificar claramente las diferencias sistemáticas entre las medidas de ambos sensores. Para la obtención de la curva de calibración y/o ajuste se siguió la metodología descripta mas arriba y los resultados se muestran en la Figura 5. Figura 5.- Histogramas de la reflectividad de GR (linea azul), PR (linea rojo) y la diferencia entre ambos (linea negra). En la figura se muestran los valores correspondientes al BIAS y RMSE. Para mostrar el desempeño de la calibración algunos casos asociados con diferentes tipos de precipitación fueron seleccionados y los mismos se muestran en la Figura 6. Estos casos no forman parte del conjunto de entrenamiento con el cual se obtuvo la curva de ajuste. Los casos 1 y 2 presentan un comportamiento más convectivo, mientras que el caso 3 presenta precipitación de tipo estratiforme, y el caso 4 muestra una línea de inestabilidad. Se aplicó la curva de calibración a cada uno de los eventos y así obtener las imágenes calibradas (Figura 6, columna de la derecha). En primer lugar se puede observar que aunque los patrones espaciales y el posicionamiento de los sistemas son los mismos, hay diferencias significativas en la magnitud relativa de los valores de reflectividad. Para el caso 4, la calibración se ajusta adecuadamente, aunque en las zonas más convectivas se observa aun una subestimación de las reflectividades, mientras que para las zonas estratiformes ocurre lo contrario. Los BIAS observados varían entre -8.2 y -5.2 dB, siendo las mayores diferencias durante los casos convectivos. Por su parte, los histogramas muestran que los valores más frecuentes de reflectividad para el radar de Ezeiza se ubican entre 15 y 20 dBZ, con un sesgo hacia valores altos pero que nunca superan los 40 dBZ. Por su parte, las curvas de reflectividad del radar TRMM-PR muestran con valores más frecuentes aquellos ubicados entre 25 y 30 dBZ. TPR 2A-25 GR sin calibrar GR calibrado CASO 1 CASO 2 CASO 3 CASO 4 Figura 6.- Campos de reflectividad del radar TRMM-PR a 3 km de altura (columna izquierda), campos de reflectividad sin calibrar del radar de Ezeiza a 3-km de altura (columna central), y campos de reflectividad de Ezeiza calibrados (columna derecha). Los círculos en cada imagen representan un area de radio igual a 200 km. Relación Z-R Las gotas de nube y la precipitación satisfacen aproximadamente la condición de Rayleigh, ya que su diámetro es menor en comparación con la longitud de onda utilizada en los radares meteorológicos (Sauvageot, 1992). Sin embargo, cuando esto deja de valer los coeficientes de la relación Z-R son un poco diferentes. Salvo en presencia de granizo, en la banda C esto no sucede. En consecuencia, la banda C se comporta como la banda S. Si se asume esta hipótesis, los radares pueden monitorear ciertos fenómenos atmosféricos, luego el factor de reflectividad (Z) puede ser relacionado con cantidades físicas asociadas con dicho fenómeno. Muchos trabajos han estudiado la relación entre la tasa de precipitación R y Z, resultando en una relación funcional de la forma: Z = aRb (1) donde Z está en mm6/m3 , R en mm/h, y a y b son los coeficientes que dependen de la distribución de diámetros de las gotas N(D). Aplicando el logaritmo natural a ambos lados de la ecuación (1) se obtiene: ln Z = ln a + b ln R (2) Haciendo Y = ln Z; α = ln a; β = b; X = ln R, se obtiene la funci ón lineal Y = α + βX, donde α y β son la ordenada al origen y la pendiente, respectivamente. Los coeficientes a y b de la ecuación (1) pueden ser estimados luego a partir de la regresión lineal entre Z y R. Para establecer la relación Z-R se han propuesto muchos métodos. Uno de ellos se basa en la utilización de un disdrómetro para medir N(D) (Joss and Waldvogel, 1967, 1969; Campistron, et al., 1987). De esta manera, el objetivo de esta parte del trabajo es determinar los coeficientes a y b a partir de mediciones in situ de las distribuciones N(D) a fin de aplicar luego dicha relación al radar de Ezeiza para obtener campos de precipitación instantánea. Todos los valores de R y Z obtenidos a partir del disdrómetro instalado en INTA Castelar fueron considerados para establecer la ecuación general. El resultado es: Z = 360.8 R1.57 [r2 = 0.87] (3) La regresión lineal obtenida a partir del conjunto de datos de 3 meses se muestra en la Figura 7, mientras que en la Figura 8 se presentan los parámetros a y b resultantes para cada evento por separado. Aquí claramente se puede observar la dependencia notoria con las características propias de la precipitación y por ende, del espectro de gotas asociado a cada uno. La Tabla 1 muestran los mismos parámetros pero separando los datos en precipitación estratiforme o convectiva. Tabla 1.- Parámetros de la relación Z-R y varianza explicada por la regresión lineal. a b r2 Estratiforme 363,3 1,63 0,82 Convectivo 489,6 1,42 0,68 Todo 360,8 1,57 0,87 Figura 7.- Regresión lineal Z-R para el set completo compuesto por 4653 minutos de muestreo. Figura 8.- (a) Variabilidad del parámetro “a” de la relación Z=aRb, para cada evento analizado, y (b) Ídem pero para el parámetro “b”. . CONCLUSIONES Este trabajo aborda dos problemas relacionados con la estimación de lluvia por radar. Dos han sido las direcciones seguidas, (1) el análisis de correcciones generales de la medida del radar de Ezeiza a partir de su comparación con medidas registradas por el radar a bordo del satélite TRMM, en particular la identificación de errores sistemáticos presentes en los datos observados en superficie, y (2) la estimación de una relación ZR más acorde para nuestra región a partir de medidas de disdrómetro. El análisis dedicado a la comparación y corrección de las medidas del radar de tierra a partir de las registradas por el radar TRMM-PR, pone de manifiesto la variabilidad espacio-temporal del factor de corrección, incluso para periodos largos de acumulación y en zonas próximas al radar. El resultado es una constatación de la idea de que es necesaria una corrección sistemática de cada una de las fuentes de error a fin de poder contar con un dato confiable de reflectividad con el cual obtener campos de precipitación instantáneos y acumulados. Por otro lado, desde el punto de vista hidrológico, el interés de considerar una doble relación Z-R a la hora de transformar la reflectividad en intensidad de lluvia está ligado al grado de convección de los episodios. Por lo tanto, es necesario determinar el tipo de relación asociado a cada tipo de precipitación, ya sea estratiforme o bien convectiva, o una mezcla de ambas, a partir de medidas de la distribución de gotas. Ese estudio debería hacerse de manera que las relaciones encontradas representarán las características de la lluvia en el área donde se localiza el radar. Para continuar en esta línea de trabajo, se están incorporando más disdrómetros para poder ampliar el período de observaciones y así poder desarrollar una climatología más extensa de las características dominantes de los eventos de precipitación en nuestra región. Es así como desde octubre de 2011 se encuentra en pleno funcionamiento el primero de los disdrómetros ubicado en la Ciudad Universitario de la Ciudad Autónoma de Buenos Aires, mientras que pronto se incorporará uno mas ubicado en el predio de la Estación Meteorológica de La Plata perteneciente al Servicio Meteorológico Nacional. Agradecimientos. El primer autor quiere agradecer al Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) por la beca doctoral mediante la cual desarrolla esta investigación. También quiere agradecer al Servicio Meteorológico Nacional por la disponibilidad de los datos del radar de Ezeiza, y al Instituto de Clima y Agua del INTA Castelar por ceder las instalaciones para albergar uno de los disdrómetros. REFERENCIAS Anagnostou, E. N., W. F. Krajewski, D. J. Seo, and E. R. Johnson, 1998: Mean field rainfall bias Studies for WSR-88D. J. Hydrol. Eng., 3, 149-159. Anagnostou, E. N., W. F. Krajewski, and J. Smith, 1999: Uncertainty quanification of mean areal radar-rainfall estimates. J. Atmos. Oceanic Technol., 16, 206-215. Anagnostou, E. N., C. A. Morales, and T. Dinku, 2001: The use of Precipitation Radar observations in determining ground radar calibrations biases. J. Atmos. Oceanic Technol., 18, 616-628. Austin, P.M. 1987. Relation between measured radar reflectivity and surface rainfall. Monthly Weather Review, 115: 1053-1069. Bolen, S. M., and V. Chandrasekar, 2000: Quantitative cross validation of space-based and radar observations. J. Appl. Meteor., 39, 2071-2079. Campistron, B., G. Despaux, and J. P. Lacaux, 1987: A microcomputer data acquisition system for real-time processing of raindrop size distribution measured with the RD69 disdrometer. J. Atmos. Oceanic Technol., 4, 536-540. Carvalho da Costa, I., 2007: Avaliacao dos dados produzidos pela rede de radares meteorológicos de banda S localizados no centro sul do Brasil. Dissertacao de Maestrado do Curso de Pós-Graduacao em Meteorologia, INPE, pp. 139. Gabella, M., J. Joss, S. Michaelides, and G. Perona, 2006: Range adjustment for ground-based radar, derived with the space borne TRMM Precipitation Radar. IEEE Trans. Geosci. Remote Sens., 44, 126-133. Hamill, T., 1999: Hipothesis tests for evaluating numerical precipitation forecasts. Wea. Forecasting, 14, 155-167. Iguchi, T., and R. Meneghini, 1994: Intercomparison of single-frequency methods for retraving a vertical rain profile from airborne or spaceborne radar data. J. Atmos. Oceanic Technol., 11, 1507-1516. Joss, J., and A. Waldvogel, 1969. Raindrop size distribution and sampling size errors. J. Atmos. Sci., 26, 566-569. Joss, J., and R. Lee, 1995: The application of radar-gauge comparisons to operational precipitation profile corrections. J. Appl. Meteorol., 34, 2612-2630. Kitchen, M., and R. M. Blackall, 1992: Representativeness errors in comparisons between radar and gauge measurements of rainfall. J. Hydrol., 134, 13-33. Kitchen, M., and P. M. Jackson, 1993: Weather radar performance at long-range- simulated and observed. J. Appl. Meteorol., 32, 975-985. Krajewski, W.F., Anagnostou, E.N., and Ciach, G.J. 1996. Effects of the radar observation process on inferred rainfall statistics. J. Geophy. Res., 101, 493-502. Moszkowicz, S., G. J. Ciach, and W. F. Krajewski, 1994: Statistical detection of anomalous propagation in radar reflectivity patterns. J. Atmos. Oceanic Technol., 11, 1026-1034. Nzeukou, A., A. D. Ochou, and F. Kebe, 2004: Raindrop size distribution and radar parameters at Cape Verde. J. Appl. Meteor., 41, 69-82. Rosenfeld, D., Wolff, D. y Atlas, D. 1993. General probability-matched relations between radar reflectivity and rain rate. J. Appl. Meteor., 32: 50-72. Sauvageot, H. 1992. Radar meteorology. Artech House radar library., Artech House, Boston, ISBN : 0890063184, xii, 366 pp. Simpson, J., C. Kummerow, W. K. Tao, and R. F. Adler, 1996: On the Tropical Rainfall Meassuring Mission. Met. Atmos. Phys., 60, 19-36. Smith, J. A., and W. F. Krajewski, 1991: Estimation of the mean field bias of radar rainfall estimates. J. Appl. Meteorol., 30, 397-412. Smith, J. A., and W. F. Krajewski, 1993: A modeling study of rainfall rate-reflectivity relationships. Water Resour. Res., 29, 2505-2514. Smith, J. A., D. J. Seo, M. L. Baeck, and M. D. Hudlow, 1996: An intercomparison study of NEXRAD precipitation estimates. Water Resour. Res., 32, 2035-2045. Ulbrich, C. W., and L. G. Lee, 1999: Rainfall measurement error by WSR-88D radars due to variations in Z-R law parameters and the radar constant. J. Atmos. Oceanic Techn., 16, 1017-1024. Zawadzki, I. 1982. The quantitative interpretation of weather radar measurements. Atmosphere-Ocean, 20: 158-180. Zawadzki, I., 1984: Factors affecting the precision of radar measurements of rain. Preprints, 22nd Conf. On Radar Meteorology, Zurich, Switzerland, Amer. Meteor. Soc., 251-256.