Producto NWC SAF de precipitación convectiva a partir de MSG: un método nuevo diurno basado en las propiedades físicas de las cimas de las nubes

DOI: 10.3369/tethys.2015.12.01

Resumen

Varios productos de precipitación utilizan radiancias y reflectancias obtenidas del sensor SEVIRI (Spinning Enhanced Visible and Infrared Imager) para estimar la precipitación de caracter convectivo. Es sabido que el uso directo de estos valores en algoritmos de precipitación sobreestiman el área y subestiman la intensidad de precipitación. Para atenuar estos efectos, la versión más reciente (2013) del paquete de software NWC SAF/MSG (Satellite Application Facility on Support to Nowcasting & Very Short Range Forecasting) incluye un nuevo algoritmo diurno que se aprovecha de los avances en la estimación de los parámetros de microfísica de nubes, en particular un mejor conocimiento del Radio Efectivo (Reff), el espesor óptico de la nube (COT) y la fase del agua. El algoritmo mejorado, conocido como Intensidad de Precipitación Convectiva a partir de las Propiedades Físicas de la Nube (CRPh), utilitza estas propiedades de la Cima de la Nube (CPP) para estimar intensidades de precipitación de nubes convectivas usando la información de un píxel de SEVIRI (alrededor de 3 km en el nadir). Este trabajo presenta las novedades de este algoritmo, hace una comparación de los resultados con los de la versión anterior en el paquete NWC SAF/MSG y una validación con datos independientes provenientes de la red española de Radar operada por AEMET. Los resultados obtenidos para 46 tormentas sugieren que la CRPh proporciona estimaciones más precisas que el algoritmo anterior, siendo por tanto más útil para un cierto número de apliaciones cuantitativas.

Referencias

  • - Derrien, M., 2013: Algorithm Theoretical Basis Document for “Cloud Products” (CMa-PGE01 v3.2, CT-PGE02 v2.2 & CTTHPGE03 v2.2), Available at www.nwcsaf.org, 87 pgs.
  • - Gutiérrez, J. M. y Aguado, F., 2006: Quality image for the Spanish National Radar Composition, Proceedings of the 4th European Conference on Radar in Meteorology and Hydrology, Barcelona, 18-22 September 2006.
  • - Hong, Y., Hsu, K. L., Sorooshian, S. y Gao, X., 2004: Precipitation Estimation from Remotely Sensed Imagery using Artificial Neural Network-Cloud Classification System, J Appl Meteorol, 43, 1834–1853, doi: 10.1175/JAM2173.1.
  • - Jansà, A., Campins, J., Picornell, M. A., y Guijarro, J. A., 2014: Heavy rain and strong wind events over Spain during HyMeX SOP1, Tethys, 11, 25–38, doi: 10.3369/tethys.2014.11.03.
  • - Joyce, R., Janowiak, J., Arkin, P., y Xie, P., 2004: CMORPH: A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution, J Hydrometeor, 5, 487–503, doi: 10.1175/1525-7541(2004)005%3C0487:CAMTPG%3E2.0.CO;2.
  • - Kidd, C., 1998: On rainfall retrieval using polarization-corrected temperatures, Int J Remote Sens, 19, 981–996, doi: 10.1080/014311698215829.
  • - Knap, W. H., Stammes, P., y Koelemeijer, R. B. A., 2000: Discriminating between water and ice clouds using near-infrared AVIRIS measurements, Proceedings of the 9th AVIRIS Earth Science and Applications Workshop, NASA Jet Propulsion Laboratory, Pasadena, USA, 23-25 February 2000.
  • - Kummerow, C., Hong, Y., Olson, W., y Yang, S., 2001: The evolution of the Goddard profiling algorithm (GPROF) for rainfall estimation from passive microwave sensors, J Appl Meteorol, 40, 1801–1820, doi: 10.1175/1520-0450(2001)040%3C1801:TEOTGP%3E2.0.CO;2.
  • - Lensky, I. y Rosenfeld, D., 2006: The time-space exchangeability of satellite retrieved relations between cloud top temperature and particle effective radius, Atmos Chem Phys, 6, 2887–2894, doi: 10.5194/acp-6-2887-2006.
  • - Levizzani, V., Schmetz, J., Lutz, H. J., Kerkmann, J., Alberoni, P. P., y Cervino, M., 2001: Precipitation estimations from geostationary orbit and prospects for METEOSAT Second Generation, Meteorol Appl, 8, 23–41, doi: 10.1017/S1350482701001037.
  • - Marcos, C. y Rodríguez, A., 2013a: Validation Report for “Convective Rainfall Rate” (CRR-PGE05 v4.0), Available at www.nwcsaf.org, 21 pgs.
  • - Marcos, C. y Rodríguez, A., 2013b: Algorithm Theoretical Basis Document for “Precipitation products from Cloud Physical Properties” (PPh-PGE14: PCPh v1.0 & CRPh v1.0), Available at www.nwcsaf.org, 40 pgs.
  • - Marcos, C. y Rodríguez, A., 2013c: Validation Report for “Precipitation products from Cloud Physical Properties” (PPh-PGE14: PCPh v1.0 & CRPh v1.0), Available at www.nwcsaf.org, 26 pgs.
  • - Miller, S. W., Arkin, P. A., y Joyce, R., 2001: A combined microwave/infrared rain rate algorithm, Int J Remote Sens, 22, 3285–3307, doi: 10.1080/01431160152609155.
  • - Nakajima, T. y King, M., 1990: Determination of the optical thickness and effective particle radius of clouds from reflected solar radiation measurements. Part I: Theory, J Atmos Sci, 42, 1878–1893, doi: 10.1175/1520-0469(1990)047%3C1878:DOTOTA%3E2.0.CO;2.
  • - Nauss, T. y Kokhanovsky, A. A., 2007: Advances in Geosciences Assignment of rainfall confidence values using multispectral satellite data at mid-latitudes: first results, Advances in Geosciences, 10, 99–102.
  • - Rodríguez, A. y Marcos, C., 2013a: Product User Manual for the “Convective Rainfall Rate” (CRR - PGE05 v4.0), Available at www.nwcsaf.org, 28 pgs.
  • - Rodríguez, A. y Marcos, C., 2013b: Algorithm Theoretical Basis Document for “Convective Rainfall Rate” (CRR-PGE05 v4.0), Available at www.nwcsaf.org, 36 pgs.
  • - Roebeling, R. y Holleman, I., 2009: SEVIRI rainfall retrieval and validation using weather radar observations, J Geophys Res, 114, D21 202, doi: 10.1029/2009JD012102.
  • - Roebeling, R., Feijt, A. J., y Stammes, P., 2006: Cloud property retrievals for climate monitoring: Implications of differences between Spinning Enhanced Visible and Infrared Imager (SEVIRI) on METEOSAT-8 and Advanced Very High Resolution Radiometer (AVHRR) on NOAA-17, J Geophys Res, 111, D20 210, doi: 10.1029/2005JD006990.
  • - Rosenfeld, D. y Gutman, G., 1994: Retrieving microphysical properties near the tops of potential rain clouds by multispectral analysis of AVHRR data, Atmos Res, 34, 259–283, doi: 10.1016/0169-8095(94)90096-5.
  • - Smith, E. A., Lamm, J. E., Adler, R., Alishouse, J., Aonashi, K., Barrett, E., Bauer, P., Berg, W., Chang, A., Ferraro, R., Ferriday, J., Goodman, S., Grody, N., Kidd, C., Kniveton, D., Kummerow, C., Liu, G., Marzano, F., Mugnai, A., Olson, W., Petty, G., Shibata, A., Spencer, R.,Wentz, F.,Wilheit, T., y Zipser, E., 1998: Results of WetNet PIP-2 project, J Atmos Sci, 55, 1483–1536, doi: 10.1175/1520-0469(1998)055%3C1483:ROWPP%3E2.0.CO;2.
  • - Tapiador, F. J., Kidd, C., Levizzani, V., y Marzano, F. S., 2004: A maximum entropy approach to satellite quantitative precipitation estimation (QPE), Int J Remote Sens, 25, 4629–4639, doi: 10.1080/01431160410001710000.
  • - Tapiador, F. J., Turk, J., Petersen, W., Hou, A., García-Ortega, E., Machado, L., Angelis, C., Salio, P., Kidd, C., Huffman, G., y Castro, M., 2012: Global precipitation measurement: Methods, datasets and applications, Atmos Res, 104-105, 70–97, doi: 10.1016/j.atmosres.2011.10.021.
  • - Thoss, A., 2008: Validation Report for “Precipitating Clouds” (PCPGE04 v1.4), Available at www.nwcsaf.org, 29 pgs.
  • - Thoss, A., 2013a: Product User Manual for SAFNWC/MSG “Precipitating Cloud” (PC-PGE04 v1.5), Available at www.nwcsaf.org, 18 pgs.
  • - Thoss, A., 2013b: Algorithm Theoretical Basis Document for SAFNWC/MSG “Precipitating Cloud” (PC-PGE04 v1.5), Available at www.nwcsaf.org, 21 pgs.


Award:

The Best Letter of the Year 2016



Creative Commons License

Esta obra está bajo una licencia de Creative Commons.


Indexados en Scopus, Thomson-Reuters Emerging Sources Citation Index (ESCI), Scientific Commons, Latindex, Google Scholar, DOAJ, ICYT (CSIC)

Financiado parcialmente por las Acciones Complementarias CGL2007-29820-E/CLI, CGL2008-02804-E/, CGL2009-07417-E y CGL2011-14046-E del Ministerio de Ciencia e Innovación del Gobierno de España