scholarly journals Improving satellite precipitation estimates over complex terrain through the use of high-resolution numerical weather predictions

2018 ◽  
Author(s):  
Νικόλαος Μπαρτσώτας
Keyword(s):  
High Resolution ◽  
Complex Terrain ◽  
Satellite Precipitation ◽  
Numerical Weather ◽  
Precipitation Estimates

Ο υετός αποτελεί θεμελιώδη παράμετρο για ένα ευρύτατο φάσμα ανθρώπινων δραστηριοτήτων. Τόσο η έλλειψη όσο και οι υπερβολικές του ποσότητες προκαλούν σημαντικές συνέπειες και απειλούν ανθρώπινες ζωές και υποδομές. Η αβεβαιότητα που εξακολουθεί να υπάρχει στην πρόγνωση και επισκόπησή του, έχει σημαντικότατες προεκτάσεις στην γεωργία, τις μεταφορές, την αξιοποίηση υδάτινων πόρων καθώς και την παραγωγή ενέργειας από ανανεώσιμες πηγές. Σε ακραίες εκδοχές φαινομένων υετού, όπως οι πολύ ισχυρές καταιγίδες που συνοδεύονται από ηλεκτρικά φαινόμενα, η αβεβαιότητα αυτή καθίσταται ισχυρότερη. Αυτού του είδους οι καταιγίδες αναπτύσσονται σε πολύ μικρές χωρικές και χρονικές κλίμακες, χαρακτηριστικό το οποίο ανάγει την πρόγνωσή τους σε ιδιαίτερα απαιτητική διαδικασία.Η απαραίτητη πληροφορία είναι επί του παρόντος αδύνατον να προκύψει από μία και μόνο πηγή μέτρησης ή έμμεσης εκτίμησης του υετού, καθώς έκαστη συνοδεύεται από συγκεκριμένους περιορισμούς. Καθίστανται έτσι επιτακτική η ανάγκη προς μια συνδυαστική προσέγγιση. Η συγκεκριμένη διδακτορική διατριβή συνεισφέρει στη δημιουργία καλύτερων εκτιμήσεων υετού πάνω από περιοχές έντονου αναγλύφου, συνδυάζοντας αποτελεσματικά τα επιμέρους θετικά των διαθέσιμων πηγών πληροφορίας. Μετρήσεις από όργανα τηλεπισκόπησης (μετεωρολογικά ραντάρ και δορυφόροι), παρατηρήσεις από δίκτυα βροχομέτρων και ένα πλήθος αριθμητικών μοντέλων πρόγνωσης (ατμοσφαιρικό, υδρολογικό, μοντέλο διάχυσης σωματιδίων) επιστρατεύονται προς αυτό το σκοπό.Μια νέα τεχνική προσαρμογής δορυφορικών μετρήσεων αναπτύχθηκε στα πλαίσια αυτής της διατριβής. Σε αυτή, τα δορυφορικά δεδομένα αξιοποιούνται ως προς την εκτίμηση της χωροχρονικής εξέλιξης των καταιγίδων, ενώ σε ότι αφορά την ποσότητα του υετού, οι εκτιμήσεις προσαρμόζονται στις αντίστοιχες του αριθμητικών μοντέλων πρόγνωσης. Κατ’ αυτόν τον τρόπο, η αξιόπιστη χωροχρονική επισκόπηση από τους δορυφόρους διατηρείται ενώ οι συχνά εσφαλμένες ποσότητες υετού των δορυφορικών οργάνων πάνω από ορεινές περιοχές διορθώνονται με τη χρήση των ατμοσφαιρικών προσομοιώσεων. Η διόρθωση των δορυφορικών δεδομένων λαμβάνει χώρα μέσω μιας μεθόδου πυκνότητας πιθανότητας. Η αξιολόγηση των πρωτογενών δορυφορικών δεδομένων, των αριθμητικών προσομοιώσεων και των τελικών υβριδικών προϊόντων γίνεται έναντι σε πυκνά δίκτυα βροχομέτρων και πεδία από διαθέσιμα μετεωρολογικά ραντάρ. Λαμβάνει δε χώρα σε τρεις ορεινές περιοχές με διαφορετικά χαρακτηριστικά: δύο μέσων γεωγραφικών πλατών (Άλπεις και Βραχώδη Όρη) και μια υποτροπική (Αιθιοπία).Οι προσομοιώσεις των αριθμητικών μοντέλων υποδεικνύουν τη φύση των περιορισμών στην ανίχνευση του υετού από τα δορυφορικά όργανα. Μια μικροφυσική διερεύνηση λαμβάνει χώρα και οι ομοιότητες που παρουσιάζουν οι εν λόγω καταιγίδες στις περιπτώσεις όπου η δορυφορική ανίχνευση εμφανίζει μεγάλες αποκλίσεις από τις παρατηρήσεις σχολιάζονται διεξοδικά. Παράλληλα, παρουσιάζεται μια εκτίμηση του οφέλους που μπορεί να προκύψει στο άμεσο μέλλον από την υιοθέτηση πολύ λεπτομερών χωρικών αναλύσεων στα αριθμητικά μοντέλα πρόγνωσης. Αποτελέσματα από προσομοιώσεις σε χωρικές κλίμακες μικρότερες του 1 χιλιομέτρου (σ.σ.: έως και 250 μέτρα) συγκρίνονται με αντίστοιχα από κλίμακες που αποτελούν τον τρέχοντα κανόνα στις μετεωρολογικές υπηρεσίες (1 και 4 χιλιόμετρα). Οι επιπτώσεις που προκαλούν αυτές οι διαφορές στην εκτίμηση του υετού από το ατμοσφαιρικό μοντέλο στην υδρολογία και συγκεκριμένα στην απορροή των υδάτων εξετάζονται μέσω αντίστοιχων προσομοιώσεων με υδρολογικό μοντέλο.Για τις ανάγκες της διατριβής χρησιμοποιήθηκαν ένα εξελιγμένο ατμοσφαιρικό αριθμητικό μοντέλο (RAMS/ICLAMS), ένα υδρολογικό μοντέλο (CREST) καθώς κι ένα λανγκρανζιανό μοντέλο διασποράς-διάχυσης (HYPACT). Το πρώτο καθόρισε την υετίσιμη ποσότητα σε κάθε καταιγίδα και παρείχε την πληροφορία για περαιτέρω ανάλυση σε επίπεδο μικροφυσικής νεφών, το δεύτερο εκτίμησε τις απορροές που προέκυψαν από τις ατμοσφαιρικές προσομοιώσεις και το τρίτο χρησίμευσε στον καθορισμό της προέλευσης των υγρών αερίων μαζών πάνω από περιοχές όπου η βιβλιογραφία δεν ήταν ιδιαίτερα εκτεταμένη. Δυο δορυφορικά προϊόντα, που βασίζονται σε διαφορετικές τεχνικές ανίχνευσης και συγκεκριμένα από αισθητήρες υπέρυθρου (IR) και μικροκυμάτων (PMW) χρησιμοποιήθηκαν προκειμένου να υποδείξουν τους περιορισμούς που χαρακτηρίζουν την κάθε μέθοδο ανίχνευσης πάνω από περιοχές έντονου αναγλύφου. Αμφότερα είναι προϊόντα υψηλής χωρικής ανάλυσης (4 και 8 χιλιόμετρα αντίστοιχα).Τα αποτελέσματα εμφανίζουν οφέλη από τις λεπτομερείς χωρικές κλίμακες των προσομοιώσεων, τόσο στις ποσότητες του υετού, στη λεπτομερέστερη χωρική του κατανομή, όσο και την ακριβέστερη εκτίμηση της απορροής στη συνέχεια. Οι δορυφορικές μετρήσεις εμφανίζουν μια ξεκάθαρη τάση υποεκτίμησης του υετού πάνω από περιοχές έντονου αναγλύφου. Τα διορθωμένα δορυφορικά προϊόντα που προέκυψαν από την προτεινόμενη μέθοδο, υπερτερούν έναντι των πρωτογενών στη στατιστική ανάλυση και στις δύο περιοχές εφαρμογής. Σε επίπεδο μικροφυσικών ομοιοτήτων μεταξύ των περιπτώσεων ανεπαρκούς ανίχνευσης από τα δορυφορικά όργανα, παρατηρήθηκαν μικρές συγκεντρώσεις σωματιδίων πάγου και νεφικοί σχηματισμοί με περιορισμένη κατακόρυφη ανάπτυξη. Η διόρθωση των δορυφορικών παρατηρήσεων μέσω των αριθμητικών προσομοιώσεων εμφανίζεται ως μια αξιόπιστη εναλλακτική σε περιοχές όπου οι παρατηρήσεις δεν είναι επαρκείς προς εξυπηρέτηση αυτού του σκοπού.Η συνεισφορά της παρούσης διατριβής έγκειται αφενός στην προετοιμασία του εδάφους για μελλοντικά υβριδικά προϊόντα υετού, αφετέρου στην ανίχνευση των μικροφυσικών ομοιοτήτων που εμφανίζουν οι καταιγίδες οι οποίες δεν ανιχνεύονται ικανοποιητικά από τα δορυφορικά όργανα. Το τελευταίο μπορεί να καθορίσει σημαντικά την ανάπτυξη των σύγχρονων αλγορίθμων ανίχνευσης από τους παθητικούς αισθητήρες μικροκυμάτων. Τέλος, η εφαρμογή της προτεινόμενης μεθοδολογίας σε ψευδο-επιχειρησιακή βάση κατά τη διάρκεια ενός ιστορικού πλυμμηρικού φαινομένου, παρέχει μια εκτίμηση της επιχειρησιακής εφαρμοσιμότητας και του συγκριτικού οφέλους που μπορεί να προκύψει από την υιοθέτηση της συγκεκριμένης μεθόδου σε συστήματα έγκαιρης πρόγνωσης και πρόληψης πλημμυρών.

scholarly journals On the Uncertainty of High-Resolution Hourly Quantitative Precipitation Estimates in California

2020 ◽  
Vol 21 (5) ◽  
pp. 865-879
Author(s):  
Janice L. Bytheway ◽  
Mimi Hughes ◽  
Kelly Mahoney ◽  
Rob Cifelli
Keyword(s):  
High Resolution ◽  
Complex Terrain ◽  
Heavy Rain ◽  
Reference Dataset ◽  
Wet Season ◽  
Large Variability ◽  
Operational Forecast ◽  
Bay Area ◽  
Precipitation Estimates ◽  
Quantitative Precipitation Estimates

AbstractThe Bay Area of California and surrounding region receives much of its annual precipitation during the October–March wet season, when atmospheric river events bring periods of heavy rain that challenge water managers and may exceed the capacity of storm sewer systems. The complex terrain of this region further complicates the situation, with terrain interactions that are not currently captured in most operational forecast models and inadequate precipitation measurements to capture the large variability throughout the area. To improve monitoring and prediction of these events at spatial and temporal resolutions of interest to area water managers, the Bay Area Advanced Quantitative Precipitation Information project was developed. To quantify improvements in forecast precipitation, model validation studies require a reference dataset to compare against. In this paper we examine 10 gridded, high-resolution (≤10 km, hourly) precipitation estimates to assess the uncertainty of high-resolution quantitative precipitation estimates (QPE) in areas of complex terrain. The products were linearly interpolated to 3-km grid spacing, which is the resolution of the operational forecast model to be validated. Substantial differences exist between the various products at accumulation periods ranging from hourly to annual, with standard deviations among the products exceeding 100% of the mean. While the products seem to agree fairly well on the timing of precipitation, intensity estimates differ, sometimes by an order of magnitude. The results highlight both the need for additional observations and the need to account for uncertainty in the reference dataset when validating forecasts in this area.

Evaluation of three high-resolution satellite precipitation estimates: Potential for monsoon monitoring over Pakistan

2014 ◽  
Vol 54 (4) ◽  
pp. 670-684 ◽  
Author(s):  
Sadiq Ibrahim Khan ◽  
Yang Hong ◽  
Jonathan J. Gourley ◽  
Muhammad Umar Khan Khattak ◽  
Bin Yong ◽  
...  
Keyword(s):  
High Resolution ◽  
Satellite Precipitation ◽  
Precipitation Estimates

scholarly journals Evaluation of Numerical Weather Model–Based Satellite Precipitation Adjustment in Tropical Mountainous Regions

2019 ◽  
Vol 20 (3) ◽  
pp. 431-445 ◽  
Author(s):  
Xinxuan Zhang ◽  
Emmanouil N. Anagnostou
Keyword(s):  
Real Time ◽  
Heavy Precipitation ◽  
Precipitation Event ◽  
Satellite Precipitation ◽  
Numerical Weather ◽  
Mountainous Regions ◽  
Numerical Weather Model ◽  
Weather Model ◽  
Precipitation Estimates ◽  
Daily Scale

Abstract The study evaluated a numerical weather model (WRF)-based satellite precipitation adjustment technique with 81 heavy precipitation events that occurred in three tropical mountainous regions (Colombia, Peru, and Taiwan). The technique was applied on two widely used near-real-time global satellite precipitation products—the National Oceanic and Atmospheric Administration (NOAA) Climate Prediction Center morphing technique (CMORPH) and the Global Satellite Mapping of Precipitation project (GSMaP)—for each precipitation event. The WRF-adjusted satellite products along with the near-real-time and gauge-adjusted satellite products as well as the WRF simulation were evaluated by independent gauge networks at daily scale and event total scale. Results show that the near-real-time precipitation products exhibited severe underestimation relative to the gauge observations over the three tropical mountainous regions. The underestimation tended to be larger for higher rainfall accumulations. The WRF-based satellite adjustment provided considerable improvements to the near-real-time CMORPH and GSMaP products. Moreover, error metrics show that WRF-adjusted satellite products outperformed the gauge-adjusted counterparts for most of the events. The effectiveness of WRF-based satellite adjustment varied with events of different physical processes. Thus, the technique applied on satellite precipitation estimates of these events may exhibit inconsistencies in the bias correction.

scholarly journals Reprocessed, Bias-Corrected CMORPH Global High-Resolution Precipitation Estimates from 1998

2017 ◽  
Vol 18 (6) ◽  
pp. 1617-1641 ◽  
Author(s):  
Pingping Xie ◽  
Robert Joyce ◽  
Shaorong Wu ◽  
Soo-Hyun Yoo ◽  
Yelena Yarosh ◽  
...  
Keyword(s):  
High Resolution ◽  
Global Precipitation Climatology Project ◽  
Temporal Variations ◽  
Cold Season ◽  
Superior Performance ◽  
Climate Data ◽  
Integration Algorithm ◽  
Satellite Precipitation ◽  
Precipitation Estimates ◽  
Global Precipitation

Abstract The Climate Prediction Center (CPC) morphing technique (CMORPH) satellite precipitation estimates are reprocessed and bias corrected on an 8 km × 8 km grid over the globe (60°S–60°N) and in a 30-min temporal resolution for an 18-yr period from January 1998 to the present to form a climate data record (CDR) of high-resolution global precipitation analysis. First, the purely satellite-based CMORPH precipitation estimates (raw CMORPH) are reprocessed. The integration algorithm is fixed and the input level 2 passive microwave (PMW) retrievals of instantaneous precipitation rates are from identical versions throughout the entire data period. Bias correction is then performed for the raw CMORPH through probability density function (PDF) matching against the CPC daily gauge analysis over land and through adjustment against the Global Precipitation Climatology Project (GPCP) pentad merged analysis of precipitation over ocean. The reprocessed, bias-corrected CMORPH exhibits improved performance in representing the magnitude, spatial distribution patterns, and temporal variations of precipitation over the global domain from 60°S to 60°N. Bias in the CMORPH satellite precipitation estimates is almost completely removed over land during warm seasons (May–September), while during cold seasons (October–April) CMORPH tends to underestimate the precipitation due to the less-than-desirable performance of the current-generation PMW retrievals in detecting and quantifying snowfall and cold season rainfall. An intercomparison study indicated that the reprocessed, bias-corrected CMORPH exhibits consistently superior performance than the widely used TRMM 3B42 (TMPA) in representing both daily and 3-hourly precipitation over the contiguous United States and other global regions.

scholarly journals Assessment of small-scale variability of rainfall and multi-satellite precipitation estimates using measurements from a dense rain gauge network in Southeast India

2016 ◽  
Vol 20 (5) ◽  
pp. 1719-1735 ◽  
Author(s):  
K. Sunilkumar ◽  
T. Narayana Rao ◽  
S. Satheeshkumar
Keyword(s):  
High Resolution ◽  
Diurnal Cycle ◽  
Rain Gauge ◽  
Small Scale ◽  
Study Region ◽  
Satellite Precipitation ◽  
Precipitation Estimates ◽  
Rain Events ◽  
Rain Gauge Network ◽  
Southeast India

Abstract. This paper describes the establishment of a dense rain gauge network and small-scale variability in rain events (both in space and time) over a complex hilly terrain in Southeast India. Three years of high-resolution gauge measurements are used to validate 3-hourly rainfall and sub-daily variations of four widely used multi-satellite precipitation estimates (MPEs). The network, established as part of the Megha-Tropiques validation program, consists of 36 rain gauges arranged in a near-square grid area of 50 km  ×  50 km with an intergauge distance of 6–12 km. Morphological features of rainfall in two principal rainy seasons (southwest monsoon, SWM, and northeast monsoon, NEM) show marked differences. The NEM rainfall exhibits significant spatial variability and most of the rainfall is associated with large-scale/long-lived systems (during wet spells), whereas the contribution from small-scale/short-lived systems is considerable during the SWM. Rain events with longer duration and copious rainfall are seen mostly in the western quadrants (a quadrant is 1/4 of the study region) in the SWM and northern quadrants in the NEM, indicating complex spatial variability within the study region. The diurnal cycle also exhibits large spatial and seasonal variability with larger diurnal amplitudes at all the gauge locations (except for 1) during the SWM and smaller and insignificant diurnal amplitudes at many gauge locations during the NEM. On average, the diurnal amplitudes are a factor of 2 larger in the SWM than in the NEM. The 24 h harmonic explains about 70 % of total variance in the SWM and only ∼ 30 % in the NEM. During the SWM, the rainfall peak is observed between 20:00 and 02:00 IST (Indian Standard Time) and is attributed to the propagating systems from the west coast during active monsoon spells. Correlograms with different temporal integrations of rainfall data (1, 3, 12, 24 h) show an increase in the spatial correlation with temporal integration, but the correlation remains nearly the same after 12 h of integration in both monsoon seasons. The 1 h resolution data show the steepest reduction in correlation with intergauge distance and the correlation becomes insignificant after ∼ 30 km in both monsoon seasons. Validation of high-resolution rainfall estimates from various MPEs against the gauge rainfall data indicates that all MPEs underestimate the light and heavy rain. The MPEs exhibit good detection skills of rain at both 3 and 24 h resolutions; however, considerable improvement is observed at 24 h resolution. Among the different MPEs investigated, the Climate Prediction Centre morphing technique (CMORPH) performs better at 3-hourly resolution in both monsoons. The performance of Tropical Rainfall Measuring Mission (TRMM) multi-satellite precipitation analysis (TMPA) is much better at daily resolution than at 3-hourly, as evidenced by better statistical metrics than the other MPEs. All MPEs captured the basic shape of the diurnal cycle and the amplitude quite well, but failed to reproduce the weak/insignificant diurnal cycle in the NEM.

scholarly journals Performance Analysis of IMD High-Resolution Gridded Rainfall (0.25° × 0.25°) and Satellite Estimates for Detecting Cloudburst Events over the Northwest Himalayas

2020 ◽  
Vol 21 (7) ◽  
pp. 1549-1569 ◽  
Author(s):  
Pravat Jena ◽  
Sourabh Garg ◽  
Sarita Azad
Keyword(s):  
High Resolution ◽  
Complex Terrain ◽  
Rain Gauge ◽  
Probability Of Detection ◽  
Event Analysis ◽  
Gridded Data ◽  
Precipitation Estimates ◽  
Indian Meteorological Department ◽  
Northwest Himalayas ◽  
Rain Gauge Network

AbstractThe presence of a sparse rain gauge network in complex terrain like the Himalayas has encouraged the present study for the concerned evaluation of Indian Meteorological Department (IMD) ground-based gridded rainfall data for highly prevalent events like cloudbursts over the northwest Himalayas (NWH). To facilitate the abovementioned task, we intend to evaluate the performance of these observations at 0.25° × 0.25° (latitude–longitude) resolution against a predefined threshold (i.e., 99.99th percentile), thereby initially comprehending the success of IMD data in capturing the cloudburst events reported in media during 2014–16. Further, seven high-resolution satellite products, namely, CMORPH V0.x, PERSIANN-CDR, TMPA 3B42RT V7, IMERG V06B, INSAT-3D multispectral rainfall (IMR), CHIRPS V.2, and PERSIANN-CCS are evaluated against the IMD dataset. The following are our main results. 1) Six out of 18 cloudburst events are detected using IMD gridded data. 2) The contingency statistics at the 99.99th percentile reveal that the probability of detection (POD) of TMPA varies from 19.4% to 53.9% over the geographical stretch of NWH, followed by PERSIANN-CDR (18.6%–48.4%) and IMERG (4.9%–17.8%). 3) A new metric proposed as improved POD (IPOD) has been developed in this work, which takes into account the temporal lag that exists between observed and satellite estimates during an event period. Results show that for an event analysis IPOD provides a better comparison. The IPOD for TMPA is 32.8%–74.4%, followed by PERSIANN-CDR (34.4%–69.11%) and IMERG (15.3%–39.0%). 4) The conclusion stands as precipitation estimates obtained from CHIRPS are most suitable for monitoring cloudburst events over NWH with IPOD of 60.5%–78.6%.

scholarly journals A flexible two-stage approach for blending multiple satellite precipitation estimates and rain gauge observations: an experiment in the northeastern Tibetan Plateau

2020 ◽  
Author(s):  
Yingzhao Ma ◽  
Xun Sun ◽  
Haonan Chen ◽  
Yang Hong ◽  
Yinsheng Zhang
Keyword(s):  
Tibetan Plateau ◽  
Complex Terrain ◽  
Warm Season ◽  
Regression Function ◽  
Rain Gauge ◽  
Model Parameters ◽  
Satellite Precipitation ◽  
Northeastern Tibetan Plateau ◽  
Blending Method ◽  
Precipitation Estimates

Abstract. Substantial biases exist in the Satellite Precipitation Estimates (SPE) over complex terrain regions and it has always been a challenge to quantify and correct such biases. The combination of multiple SPE and ground observations would be beneficial to improve the precipitation estimates. In this study, a flexible two-step approach is proposed by firstly reducing the systematic errors of each SPE using rain gauge observations as references, and then merging the improved multi-SPE with a Bayesian weighting model. In the 1st stage, gauge references are assumed as a generalized regression function of SPE and terrain feature. In the 2nd stage, the weights assigned to the involved SPE are calculated according to the associated performance relative to gauge references. This blending method has the ability to exert benefits from multi-SPE in terms of higher performance and mitigate negative impacts from the ones with lower quality. In addition, Bayesian analysis is applied in the two phases by specifying prior distributions on the model parameters, which enables to produce posterior ensembles associated with their predictive uncertainties. The performance of the two-step blending approach is assessed using independent rain gauge observations during the warm season of 2014 in the northeastern Tibetan Plateau. Results show that the blended multi-SPE are significantly improved compared to the original individuals, especially during heavy rainfall events. This study can also be expanded as a data fusion framework in the development of high-quality precipitation products in high-cold regions characterized by complex terrain.

Sign in / Sign up

Export Citation Format

Share Document