Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
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