““MonitoreoMonitoreo AutomáticoAutomático dedeConglomeradosConglomerados NubososNubosos AsociadosAsociados aa

TormentasTormentas MedianteMediante SensoresSensores RemotosRemotos””Lic. Luciano Vidal

Departamento Investigación y DesarrolloServicio Meteorológico Nacional

Segundas Jornadas “Captura, procesamiento, análisis y difusión de la información geoespacial”4 y 5 de junio de 2014

Los sistemas de tormentas y losfenómenos meteorólogicos

asociados constituyen uno delos elementos del clima más

adversos a las actividadeshumanas.

¿Por qué monitorear las tormentas?

Se puede manifestar de múltiplesformas, partiendo de cúmulospotentes de unas decenas dekilómetros de diámetro hastasistemas convectivos demesoescala de unos cuantos milesde kilómetros cuadrados.

Los fenómenos de tiempo significativo asociados a estasmúltiples expresiones de la naturaleza abarcan desdechaparrones intensos de unos pocos minutos de duraciónhasta lluvias continuas que pueden durar varias horas,pasando por granizo, ráfagas intensas de viento e inclusotornados.

Definición de tormenta severa: el NWS de USA consideraa una tormenta como severa si presenta ráfagas deviento superiores a los 25 m/s, granizo con un diámetromayor que 2 cm y/o presencia de un tornado.

Fenómenos meteorológicosasociados a las tormentas

Los fenómenos de tiempo significativo asociados a estasmúltiples expresiones de la naturaleza abarcan desdechaparrones intensos de unos pocos minutos de duraciónhasta lluvias continuas que pueden durar varias horas,pasando por granizo, ráfagas intensas de viento e inclusotornados.

Definición de tormenta severa: el NWS de USA consideraa una tormenta como severa si presenta ráfagas deviento superiores a los 25 m/s, granizo con un diámetromayor que 2 cm y/o presencia de un tornado.

Tormentas en Argentina: climatologías

Frecuencia estacional de tormentas eléctricas(TRMM-LIS, 1998-2008)

Número medio anual de eventosde granizo (1960-2008)

Vidal y otros (2009) Mezher y otros (2012)1 2010 155

Observación de las tormentasdesde el espacio

Por otro lado, poder desarrollar toda una serie de productos derivadosque ayuden a mejorar el pronóstico numérico a partir de la

disponibilidad de datos en zonas remotas carentes de observaciones.

Para laPara la meteorología operativameteorología operativa, poder contar con información satelital al, poder contar con información satelital alinstante es de vital importancia al momento de determinar cuales son losinstante es de vital importancia al momento de determinar cuales son los

patrones nubosos que están afectando la zona de interés así como tambiénpatrones nubosos que están afectando la zona de interés así como tambiénpoder monitorear su desarrollo en términos de pronósticos a corto plazo.poder monitorear su desarrollo en términos de pronósticos a corto plazo.

Para cumplir con estas expectativas, es necesarioPara cumplir con estas expectativas, es necesariocontar con un sistema de observación desde el espaciocontar con un sistema de observación desde el espacio

que brinde unaque brinde una alta frecuencia temporalalta frecuencia temporal y unay una grangrancobertura espacialcobertura espacial..

Por otro lado, poder desarrollar toda una serie de productos derivadosque ayuden a mejorar el pronóstico numérico a partir de la

disponibilidad de datos en zonas remotas carentes de observaciones.

Observación de las tormentasdesde el espacio

Un aspecto de singular importancia en el diseño de un sistema satelital es su resoluciónresolución,la que puede ser definida como la habilidad de registrar información de detalle,discriminándola.

Esta resolución está determinada por las características espaciales, temporales,espectrales y radiométricas con las que se construye el sistema satelital.

(1) Resolución temporal

Frecuencia de cobertura queproporciona el sistema, a laperiodicidad con que ésteadquiere datos de la mismazona.

Esta característica es funcióntanto de la órbita del satélite(altura, velocidad, inclinación)como del diseño del sensor(ángulo de observación yapertura)

Frecuencia de cobertura queproporciona el sistema, a laperiodicidad con que ésteadquiere datos de la mismazona.

Esta característica es funcióntanto de la órbita del satélite(altura, velocidad, inclinación)como del diseño del sensor(ángulo de observación yapertura)

Observación de las tormentasdesde el espacio

VIS 1km VIS 1km

GOES POES

(2) Resolución espacial

En general, se considera comoresolución espacial del sensor altamaño de píxel definido sobre elnadir (el punto subsatélite justodebajo del satélite), y por ello lamisma se define comunmente comoel tamaño de píxel nominal de laimagen que el sensor genera.

Entonces, cuanto menor sea eltamaño del píxel en la imagengenerada por el sensor, mayor serála resolución espacial del sistema.

Se define de manera general como la mínima unidad espacial que el sensor escapaz de resolver.

IR 4km IR 1km

En general, se considera comoresolución espacial del sensor altamaño de píxel definido sobre elnadir (el punto subsatélite justodebajo del satélite), y por ello lamisma se define comunmente comoel tamaño de píxel nominal de laimagen que el sensor genera.

Entonces, cuanto menor sea eltamaño del píxel en la imagengenerada por el sensor, mayor serála resolución espacial del sistema.

Observación de las tormentasdesde el espacioGOES-8: ~1 km

GOES-8: ~1 km

Huracán Erin09/09/01 ~1530 UTC

GOES-8: ~1 km

MODIS: ~250 mMODIS: ~250 m

1 km a 250 m

Observación de las tormentasdesde el espacio

(3) Resolución espectral

La teledetección no se produce para un valor particular de longitud de onda de laREM, sino en una pequeña franja, denominada “canal” o “banda”.

La banda espectral refiere a la zona del EEM en donde se localiza el canal (por ejemplo,visible, NIR, etc.), mientras que el ancho da cuenta del rango del espectro que esabarcado por el mismo.

La resolución espectral de un sistema involucra entonces tres características:

+ Cantidad de canales

+ Localización dentro del EEM

+ Ancho de cada canal

Un sensor que realiza observaciones multiespectrales observa la misma áreasimultáneamente en varias partes del EEM.

Un sensor será más sensible espectralmente mientras más bandas proporcione ymientras más estrechas sean éstas, lo que permite una mejor separación y clasificaciónde los elementos observados.

La teledetección no se produce para un valor particular de longitud de onda de laREM, sino en una pequeña franja, denominada “canal” o “banda”.

La banda espectral refiere a la zona del EEM en donde se localiza el canal (por ejemplo,visible, NIR, etc.), mientras que el ancho da cuenta del rango del espectro que esabarcado por el mismo.

La resolución espectral de un sistema involucra entonces tres características:

+ Cantidad de canales

+ Localización dentro del EEM

+ Ancho de cada canal

Un sensor que realiza observaciones multiespectrales observa la misma áreasimultáneamente en varias partes del EEM.

Un sensor será más sensible espectralmente mientras más bandas proporcione ymientras más estrechas sean éstas, lo que permite una mejor separación y clasificaciónde los elementos observados.

Observación de las tormentasdesde el espacio

Orbitas satelitales

LEO GEO

Altitud orbital: 850kmPeríodo orbital: 101min

Altitud orbital: 36000kmPeríodo orbital: 24hs

Satélites GEO: constelación actual

GOES-W (135W)

GOES-E (75W)

Electro-L (76E)

MSG (0)

HIMAWARI 8 (140E)

FY-4 (105E)

Tipos de imagenes satelitalesutilizadas para monitorear las tormentas

Visibles (VIS) Infrarrojas (TIR)

Vapor de agua (WV) Microondas (MW)

Imágenes VIS

Este tipo de imágenes indican lacantidad de radiación solar que esreflejada por la superficie de la Tierray por las nubes.

En las imágenes VIS, los tonos clarosrepresentan zonas de alta reflectanciay los tonos oscuros las áreas de bajareflectancia.

El ángulo del sol respecto del sensordel satélite crea sombras que resultande gran utilidad al momento deanalizar los tipos de nubes en lasimágenes VIS.

Este tipo de imágenes indican lacantidad de radiación solar que esreflejada por la superficie de la Tierray por las nubes.

En las imágenes VIS, los tonos clarosrepresentan zonas de alta reflectanciay los tonos oscuros las áreas de bajareflectancia.

El ángulo del sol respecto del sensordel satélite crea sombras que resultande gran utilidad al momento deanalizar los tipos de nubes en lasimágenes VIS.

Imágenes VIS

BUENOS AIRES

LA PAMPA

RIO NEGRO

Imágenes TIR

Los sensores IR miden la radiacióninfrarroja emitida por la Tierra y laatmósfera.

Como la cantidad de radiación infrarrojaemitida depende de la temperatura de lasuperficie, las imágenes IR sonesencialmente una imagen detemperaturas del suelo o bien del tope delas nubes.

Las bandas IR térmicas más comunes paralos satélites meteorológicos están ubicadasen la ventana de los 10 - 12.5 μm.

Las zonas mas frías aparecen en tonosblancos o gris claro, mientras que las zonasmas cálidas se muestran en tonos negros ogris oscuro.

Los sensores IR miden la radiacióninfrarroja emitida por la Tierra y laatmósfera.

Como la cantidad de radiación infrarrojaemitida depende de la temperatura de lasuperficie, las imágenes IR sonesencialmente una imagen detemperaturas del suelo o bien del tope delas nubes.

Las bandas IR térmicas más comunes paralos satélites meteorológicos están ubicadasen la ventana de los 10 - 12.5 μm.

Las zonas mas frías aparecen en tonosblancos o gris claro, mientras que las zonasmas cálidas se muestran en tonos negros ogris oscuro.

Imágenes TIR

Ejemplo: realce de una imagen TIR

02/04/2005 – 0339 UTC

SMN

RAMMDIS

GVAR

Imagen VIS

Imágenes TIR

ATENCIONATENCIONNo siempre temperaturas deNo siempre temperaturas detopes muy fríos garantizan latopes muy fríos garantizan la

presencia de nubes depresencia de nubes detormentastormentas

Imágenes WV (vapor)

La energía emitida en el rango de longitudesde onda que va de los 6.5 a los 7 μm (Canal3 – GOES), es fácilmente absorbida por elvapor de agua presente en la atmósfera.

Las imágenes que se adquieren en estabanda se utilizan para localizar grandesconcentraciones de vapor de agua, así comozonas con gradientes importantes en lamedia y alta troposfera.

Por su parte, también son de gran utilidadpara observar y analizar la circulación engran escala, incluso en ausencia denubosidad.

La energía emitida en el rango de longitudesde onda que va de los 6.5 a los 7 μm (Canal3 – GOES), es fácilmente absorbida por elvapor de agua presente en la atmósfera.

Las imágenes que se adquieren en estabanda se utilizan para localizar grandesconcentraciones de vapor de agua, así comozonas con gradientes importantes en lamedia y alta troposfera.

Por su parte, también son de gran utilidadpara observar y analizar la circulación engran escala, incluso en ausencia denubosidad.

Imágenes WV (vapor)

Las observaciones provenientes de satélites geoestacionarios son una invaluable fuente deinformación para describir la morfología de los campos nubosos asociados a los sistemasconvectivos a lo largo de sus ciclos de vida.

Algoritmos de detección y seguimientode tormentas

La detección y seguimiento de sistemas convectivostiene por objetivo obtener el ciclo de vida delsistema desde el punto de vista integral que proveela información de un satélite geoestacionario.

De este modo, se puede conocer: Localización del sistema, Tamaño del campo nuboso asociado, Temperatura de brillo mínima, Dirección y velocidad de propagación, Etc.

La detección y seguimiento de sistemas convectivostiene por objetivo obtener el ciclo de vida delsistema desde el punto de vista integral que proveela información de un satélite geoestacionario.

Los algoritmos automáticos de seguimiento en su mayoría constan de dos etapas:

Algoritmos de detección y seguimientode tormentas

1) DETECCIÓN 2) SEGUIMIENTO

• Consiste en identificar la tormenta enuna imagen TIR en un tiempo dado.

• Se aplica alguna técnica deagrupamiento de píxeles basada enumbrales de temperatura.

• Delinear el sector más frío del camponuboso asociado al sistemaconvectivo.

• Se van conectando cada uno de losconjuntos de píxeles (“clusters”)correspondientes a una tormenta enlos sucesivos tiempos a fin de contruirel ciclo de vida del sistema.

• Hay diferentes metodologías: maximasuperposición areal, correlaciónespacial, etc.

• Consiste en identificar la tormenta enuna imagen TIR en un tiempo dado.

• Se aplica alguna técnica deagrupamiento de píxeles basada enumbrales de temperatura.

• Delinear el sector más frío del camponuboso asociado al sistemaconvectivo.

• Se van conectando cada uno de losconjuntos de píxeles (“clusters”)correspondientes a una tormenta enlos sucesivos tiempos a fin de contruirel ciclo de vida del sistema.

• Hay diferentes metodologías: maximasuperposición areal, correlaciónespacial, etc.

Consiste en una segmentación (“clustering”) de una imagen de temperatura de brillo(preprocesada) utilizando algun umbral frío de temperatura para delimitar áreascontinuas de nubosidad asociadas a convección profunda.

El punto más importante es la adecuada selección del umbral a utilizar.

El rango de valores de TB ha sido muy amplio dependiendo del análisis en cuestión:en general varían entre 208K (-65C) y 255K (-18C).

Algoritmos de detección y seguimientode tormentas

1) Etapa de DETECCIÓN

Imagen original Imagen segmentadaImagen original Imagen segmentada

TBthr=210K

• Existen un gran número de algoritmos de seguimiento que se basan en diferentestécnicas:

minimización de una función de costo utilizando la distancia y la diferencia de área entre losclusters nubosos en imágenes sucesivas,

máxima correlación espacial, proyección de la posición del centroide, optimización del error en la posición y longevidad, entre otras.

• Sin embargo, la metodología más utilizada es la técnica de máxima superposición areal.• Este método se basa en la superposición espacial de dos conjuntos de píxeles

correspondientes a nubes convectivas en dos imágenes sucesivas.• Si la superposición es mayor a un determinado umbral (e.i., 50%) entre los dos conjuntos

de imágenes, los mismos son vinculados y se asume que uno es la continuación del otro.

Algoritmos de detección y seguimientode tormentas

2) Etapa de SEGUIMIENTO

• Existen un gran número de algoritmos de seguimiento que se basan en diferentestécnicas:

minimización de una función de costo utilizando la distancia y la diferencia de área entre losclusters nubosos en imágenes sucesivas,

máxima correlación espacial, proyección de la posición del centroide, optimización del error en la posición y longevidad, entre otras.

• Sin embargo, la metodología más utilizada es la técnica de máxima superposición areal.• Este método se basa en la superposición espacial de dos conjuntos de píxeles

correspondientes a nubes convectivas en dos imágenes sucesivas.• Si la superposición es mayor a un determinado umbral (e.i., 50%) entre los dos conjuntos

de imágenes, los mismos son vinculados y se asume que uno es la continuación del otro.

Esquema de la metodologíade seguimiento de sistemasnubosos mediante imágenesIR basada en la técnica desuperposición areal parasucesivos pasos de tiempo.(Adaptado de Fiolleau yotros, 2012)

Algoritmos de detección y seguimientode tormentas

2) Etapa de SEGUIMIENTO

Los principales problemas en esta técnica se producen cuando hayfusiones o separaciones de conjuntos.

En estos casos se aplica algun criterio de tamaño para asegurarse lacontinuidad del sistema.

También se sugiere llevar a cabo un pre-procesamiento de los datos,que involucre un control de calidad junto con operacionesmorfológicas (e.i., suavizado) que permitan mejorar la capacidad delalgoritmo.

Al margen, cualquiera sea la técnica de seguimiento utilizada, lapresencia de fusiones/divisiones espurias (que no responden aprocesos físicos propios de la dinámica de la tormenta) continuasiendo un problema aun sin resolver.

Los principales problemas en esta técnica se producen cuando hayfusiones o separaciones de conjuntos.

En estos casos se aplica algun criterio de tamaño para asegurarse lacontinuidad del sistema.

También se sugiere llevar a cabo un pre-procesamiento de los datos,que involucre un control de calidad junto con operacionesmorfológicas (e.i., suavizado) que permitan mejorar la capacidad delalgoritmo.

Al margen, cualquiera sea la técnica de seguimiento utilizada, lapresencia de fusiones/divisiones espurias (que no responden aprocesos físicos propios de la dinámica de la tormenta) continuasiendo un problema aun sin resolver.

IR data

Permite llevar a cabo un seguimiento de las propiedades morfológicas y radiativasde los sistemas nubosos asociados a tormentas y pronosticar la evolución dedichas propiedades.

Las etapas principales del algoritmo son las siguientes:

1. Detección del sistema nuboso a partir de un umbral de TB y un criterio detamaño.

2. Cálculo de parámetros morfológicos y radiativos para cada sistemaidentificado.

3. Seguimiento de cada sistema nuboso basado en un criterio de máximasuperposición areal entre dos imágenes sucesivas.

4. Pronóstico de la evolución del sistema: estimación de la velocidad y direcciónde propagación y cálculo de la tendencia de crecimiento (dA/dt).

Ejemplo: Algoritmos ForTraCCForecasting and Tracking the Evolution of Cloud Clusters

Descripción general

Tracking

Clustering

Permite llevar a cabo un seguimiento de las propiedades morfológicas y radiativasde los sistemas nubosos asociados a tormentas y pronosticar la evolución dedichas propiedades.

Las etapas principales del algoritmo son las siguientes:

1. Detección del sistema nuboso a partir de un umbral de TB y un criterio detamaño.

2. Cálculo de parámetros morfológicos y radiativos para cada sistemaidentificado.

3. Seguimiento de cada sistema nuboso basado en un criterio de máximasuperposición areal entre dos imágenes sucesivas.

4. Pronóstico de la evolución del sistema: estimación de la velocidad y direcciónde propagación y cálculo de la tendencia de crecimiento (dA/dt).

Ejemplo: Algoritmos ForTraCCForecasting and Tracking the Evolution of Cloud Clusters

Diagrama de bloques de los diferentes módulos que integran ForTraCC

CPRODCSTAT

CLESIZETRACK FORECAST

ETAPA DE IDENTIFICACION DE SISTEMASCONVECTIVOS Y CALCULO DE PARAMETROS

MORFOLOGICOS Y RADIATIVOS

ETAPA DE SEGUIMIENTO Y GENERACION DEIMÁGENES VIRTUALES

CPRODCSTAT

CLESIZETRACK FORECAST

Generación deespaciosconexos

(“clusters”)

Cálculo deparámetros

morfológicos yradiativos

Seguimiento desistemas

convectivos

Generación depronósticos(“imágenesvirtuales”)

TRACK: seguimiento de sistemas convectivos

Algoritmos ForTraCCForecasting and Tracking the Evolution of Cloud Clusters

MCS#1

MCS#2MCS#2 MCS#2MCS#1

CONTINUIDADCONTINUIDAD

GENERACIONGENERACIONESPONTANEAESPONTANEA

DISIPACIONDISIPACIONNATURALNATURAL

+ +

+

++ +

SEPARACIONSEPARACION

MCS#1MCS#1

MCS#1MCS#1

MCS#1

MCS#1

MCS#1

MCS#3MCS#3 FUSIONFUSION

+ +

++

+

+

+

++

Ejemplo: Algoritmos ForTraCCForecasting and Tracking the Evolution of Cloud Clusters

Evolución temporal del área de la isoterma de 210KTrayectoria del centroide del sistema

DISIPACION

Area máx: 620.000km2

Inicio: 19Dic2005@0800UTCDisipación: 20Dic2005@1500UTC

INICIO

DISIPACION

5 10 15 20 25 30 35 40Horas

Aplicación local para el estudio de zonas de génesis de tormentas

Algoritmos ForTraCCForecasting and Tracking the Evolution of Cloud Clusters

SCBA

Trayectorias desistemasconvectivos quese inician cercade la topografíay se desplazanhacia el NE y SE.

En sombreado semuestra lafrecuencia deocurrencia de laisoterma de 210Kal momento de lamadurez de lossistemas (maximaextensión areal deIR).

NO

ATrayectorias desistemasconvectivos quese inician cercade la topografíay se desplazanhacia el NE y SE.

En sombreado semuestra lafrecuencia deocurrencia de laisoterma de 210Kal momento de lamadurez de lossistemas (maximaextensión areal deIR).

Vidal (2014)

¡¡MuchasMuchas graciasgracias porpor lala atenciónatención!!