| Summary: | As estimativas de precipitação à superfície obtidas a partir de sensores de microondas passivo sobre o continente baseiam-se, principalmente, na camada de gelo presente nas nuvens quando se utiliza alta frequência. Porém, existem tipos de nuvens onde não há uma camada de gelo ou essa camada não é suficientemente espessa para justificar a precipitação associada. Para esses tipos de nuvens, a precipitação não é estimada corretamente, causando uma subestimativa da precipitação. Por outro lado, há os casos de nuvens, na qual a medida do espalhamento do gelo estimada pelo satélite não está efetivamente associada a precipitação, produzindo por sua vez uma superestimativa da precipitação. Este estudo analisa casos que têm grandes incertezas nas estimativas de precipitação obtidas a partir de sensores de microondas passivo para melhor compreender e potencialmente mitigar essas incertezas. Este trabalho está dividido em duas partes. Na primeira são utilizados dados do satélite Tropical Rainfall Measuring Mission (TRMM), especificamente dos sensores PR (Precipitation Radar), TMI (TRMM Microwave Imager) e LIS (Lightning Imaging Sensor), para o período de janeiro de 2002 a dezembro de 2011. A área de estudo é de aproximadamente 1.110.000 km2, centrada na cidade de Manaus. Com base nos valores da taxa de precipitação (RR) do algoritmo GPROF (Goddard profiling algorithm - usando o sensor TMI) e do sensor PR, foi determinado um erro percentual para os pixels classificados como convectivos. A distribuição de frequência desse erro assemelha-se a uma distribuição Gaussiana. A população de erro foi então dividida em três categorias, uma classe denominada consistente, no centro da distribuição (percentil 20 até o percentil 80) e as outras duas, como subestimativa e superestimativa, representando as caudas da distribuição. Para categorias com superestimativa e subestimativa, avaliou-se a estrutura vertical das nuvens. O erro da subestimativa está correlacionado com quase todas as propriedades da nuvem (taxa de precipitação, altura da nuvem, conteúdo de água líquida (Liquid Water Path LWP), conteúdo de gelo (Ice Water Path - IWP), polarização e temperatura de 85 GHz com a polarização corrigida (Polarization Corrected Temperature - PCT85)) enquanto o erro de superestimativa é apenas função do IWP. O uso de combinações de canais de baixa e alta frequência foi capaz de identificar algumas características associadas a casos de subestimativa e superestimativa. Diferenças positivas altas entre os canais de 10 GHz e 85 GHz, bem como 19 GHz e 85 GHz são causadas pelo alto espalhamento em 85 GHz (grande quantidade de gelo) e uma menor quantidade de água líquida, correspondentes a casos que são muitas vezes superestimados pelo radiômetro. Por outro lado, os casos de subestimativa apresentam partículas de gelo menores que não são sensíveis aos canais de micro-ondas de alta frequência do TMI. Na segunda parte do trabalho foram utilizados dados do satélite Global Precipitation Measurement (GPM), para o período de setembro de 2014 a agosto de 2015, sobre uma área que contempla desde a região das Cordilheiras dos Andes até a costa nordeste do Brasil. Devido a atuação de diferentes sistemas meteorológicos, na região de estudo, o conhecimento da variabilidade dos parâmetros macrofísicos e microfísicos das nuvens tornam-se necessário quando pretende-se estimar ou avaliar a precipitação por satélite. Sendo assim, o objetivo deste estudo foi avaliar a estabilidade das relações gelo e precipitação para diferentes regiões e estações do ano, bem como o erro na estimativa de precipitação e os estimadores do conteúdo de gelo. Primeiramente, a área foi dividida em quatro áreas menores que apresentassem características semelhantes do regime de precipitação e topografia. Para cada área foram avaliadas a RR, o IWP e a relação entre RR-IWP, determinadas utilizando os algoritmos GPROF e o CMB (Combined Radar-Radiometer Algorithm) de acordo com o tipo de precipitação, trimestre do ano e tipo de precipitação. Os resultados mostraram que há uma superestimativa do GPROF para valores baixos de precipitação e IWP, na maioria das áreas e estações do ano, e uma subestimativa para valores maiores, principalmente para os casos convectivos. A relação entre a taxa de precipitação à superfície e o IWP se mostrou consistente sazonalmente e espacialmente. Uma avaliação da estimativa do IWP pelo GPROF mostrou a razão dos erros encontrados nas estimativas. Esta avaliação revelou que há problema na determinação do IWP pelo GPROF, causada pelo uso do método bayesiano que tende a ajustar os valores mais altos, que ocorrem com menor frequência, para valores mais baixos que possuem uma amostragem maior de dados. Esses resultados abrem novas possibilidades potenciais para melhorar a qualidade das estimativas de precipitação utilizando micro-ondas passivo. === Estimates of surface precipitation obtained from passive microwave sensors over land are closely related to the ice path present in the clouds. However, there are cloud types without any ice or with an ice layer not thick enough to justify the associated rainfall. For these cloud types, the precipitation is not estimated correctly, causing an underestimation in the precipitation. On the other hand, there are cases of deep clouds, in which the signal produced by ice scattering is not effectively associated with precipitation, producing, in turn, an overestimate rainfall. This study analyzes cases that have large errors in the rainfall estimates obtained from passive microwave data to better understand and potentially mitigate these biases. This paper is divided into two parts. In the first part uses data from the Tropical Rainfall Measuring Mission (TRMM) satellite, specifically the sensors PR (Precipitation Radar), TMI (TRMM Microwave Imager) and LIS (Lightning Imaging Sensor). Ten years of TRMM data (2002-2011) are used in the analysis. The study area is approximately 1,110,000 km2, centered on the city of Manaus in the Amazon region. The error distribution resembled a Gaussian distribution. The error population was then divided into three categories, one class denominated as consistent, in the center of the distribution (20 percentile to 80 percentile), and the others two, as under- and over-estimated populations, representing the tails of the distribution. For over- and under estimated categories, the vertical structure of the clouds was evaluated. The underestimation error is correlated with almost all cloud properties (rain rate, cloud top, LiquidWater path (LWP), IceWater Path (IWP), polarization and Polarization Corrected Temperature at 85 GHZ (PCT85) while the overestimation error is only function of the IWP. The use of combinations of low and high frequency channels was able to identify some characteristics associated with under- and over-estimated cases. A high positive difference between the 10 GHz and 85 GHz as well as 19 GHz and 85 GHz is characteristic of very high scattering at 85 GHz (high amount of ice) and small liquid water amounts corresponding to cases that are often overestimated by the radiometer. On the other hand, underestimated cases have smaller ice particles that are not sensitive to the high frequency microwaves channels measured by TMI. In the second part of the work, data from the Global Precipitation Measurement (GPM) satellite were used for the period from September 2014 to August 2015, covering an area that extend the Andes Cordillera and the northeast coast of Brazil. Due to the performance of different meteorological systems in the study region, knowledge of the variability of the clouds macrophysical and microphysical parameters becomes necessary when satellite rainfall estimation is to be evaluated. Therefore, the objective of this study was to evaluate the stability of the relationship between IWP and rain rate for different regions and seasons, as well as the error in the rainfall estimation and the IWP estimators. First, the area was divided into four smaller areas that presented similar characteristics of the precipitation and topography. For each area, the RR, the IWP and the relationship between RR-IWP, determined using the GPROF (Goddard Profiling Algorithm) and CMB (Combined Radar-Radiometer Algorithm) algorithms were evaluated according to the type of precipitation, quarter of the year and rain type. The results showed that there is an overestimation of the GPROF for low values of precipitation and IWP, in most areas and seasons, and an underestimate for larger values, especially for convective cases. The relationship between the surface precipitation rate and the IWP was consistent seasonally and spatially. An evaluation of the IWP estimate by the GPROF showed the reason for the errors found in the estimates. This evaluation revealed that there is a problem in the determination of IWP by GPROF, caused by the use of the Bayesian method, which tends to adjust the lower values, which occur less frequently, to lower values that have a greater sampling of data. These results open potential new avenues to improve the quality of passive microwave rainfall estimates.
|
|---|
